Question

是否可以从函数构造numpy矩阵？在这种情况下，具体而言，函数是两个向量的绝对差值：S[i,j] = abs(A[i] - B[j])。一个使用常规python的最小工作示例：

import numpy as np

A = np.array([1,3,6])
B = np.array([2,4,6])
S = np.zeros((3,3))

for i,x in enumerate(A):
    for j,y in enumerate(B):
        S[i,j] = abs(x-y)

，并提供：

[[ 1.  3.  5.]
 [ 1.  1.  3.]
 [ 4.  2.  0.]]

如果结构看起来像是这样的话会很好：

def build_matrix(shape, input_function, *args)

我可以使用它的参数传递输入函数并保持numpy的速度优势。

Answer 1

除了@JoshAdel建议的内容之外，您还可以使用任何numpy ufunc的{{3}}来进行两个阵列的广播。

在这种情况下，您只需np.subtract.outer(A, B)（或者更确切地说，它的绝对值）。

虽然这个例子中任何一个都是可读的，但在某些情况下广播更有用，而在其他情况下使用ufunc方法则更清晰。

无论哪种方式，了解这两种技巧都很有用。

E.g。

import numpy as np

A = np.array([1,3,6])
B = np.array([2,4,6])

diff = np.subtract.outer(A, B)
result = np.abs(diff)

基本上，您可以将outer，accumulate，reduce和reduceat与ufunc，{subtract等multiply divide一起使用1}}，logical_and，甚至是np.cumsum等等。

例如，np.add.accumulate相当于cumdiv。这意味着，如果您需要，可以按np.divide.accumulate实现{{1}}之类的内容。

Answer 2

我建议看一下numpy的广播功能：

In [6]: np.abs(A[:,np.newaxis] - B)
Out[6]: 
array([[1, 3, 5],
       [1, 1, 3],
       [4, 2, 0]])

http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html

然后你可以简单地将你的函数编写为：

In [7]: def build_matrix(func,args):
   ...:     return func(*args)
   ...: 

In [8]: def f1(A,B):
   ...:     return np.abs(A[:,np.newaxis] - B)
   ...: 

In [9]: build_matrix(f1,(A,B))
Out[9]: 
array([[1, 3, 5],
       [1, 1, 3],
       [4, 2, 0]])

这也应该比大型阵列的解决方案快得多。

从两个向量的差异中填充numpy矩阵

2 个答案: