3
我知道我可以做np.subtract.outer(x, x)
。如果x
已经形状(n,)
,那么我最终得到一个形状为的阵列。不过,我有一个形状为(n, 3)
的x
。我想输出形状为(n, n, 3)
的东西。我该怎么做呢?也许np.einsum
?如何计算numpy中的所有向量差异对?
我知道我可以做np.subtract.outer(x, x)
。如果x
已经形状(n,)
,那么我最终得到一个形状为的阵列。不过,我有一个形状为(n, 3)
的x
。我想输出形状为(n, n, 3)
的东西。我该怎么做呢?也许np.einsum
?如何计算numpy中的所有向量差异对?
您可以None
/np.newaxis
扩展方面,形成x
三维数组版本,并从中减去原来的二维数组的版本,像这样使用后broadcasting
-
x[:, np.newaxis, :] - x
采样运行 -
In [6]: x
Out[6]:
array([[6, 5, 3],
[4, 3, 5],
[0, 6, 7],
[8, 4, 1]])
In [7]: x[:,None,:] - x
Out[7]:
array([[[ 0, 0, 0],
[ 2, 2, -2],
[ 6, -1, -4],
[-2, 1, 2]],
[[-2, -2, 2],
[ 0, 0, 0],
[ 4, -3, -2],
[-4, -1, 4]],
[[-6, 1, 4],
[-4, 3, 2],
[ 0, 0, 0],
[-8, 2, 6]],
[[ 2, -1, -2],
[ 4, 1, -4],
[ 8, -2, -6],
[ 0, 0, 0]]])
嗯,这比我想象的要简单得多:) –