numpy的：切片和矢量与一维和二维数组

循环我想向量化下面的循环效率：numpy的：切片和矢量与一维和二维数组

A = np.array([[0., 1., 0., 2.], 
       [1., 0., 3., 0.], 
       [0., 0., 0., 4.], 
       [2., 0., 4., 0.]]) # quadratic, not symmetric Matrix, shape (i, i) 
B = np.array([2., 4., 2., 1.]) # vector shape (i) 
C = np.zeros(A.shape) # Result Matrix 
# classical Loop: 
for i in range(len(B)): 
    for j in range(len(B)): 
     C[i, j] = A[i, j]*(B[i]-B[j])

我第一次尝试，在Mathcad中使用矢量化等不就是我想要的：

i = np.arange(len(B)) 
j = np.arange(len(B)) 
C[i,j] = A[i,j]*(B[i]-B[j]) # this fails to do what I want

我的第二次尝试是最好的方式吗？还是有更简单更自然的“numpy方式”？

idx = np.indices(A.shape) 
C[idx] = A[idx]*(B[idx[0]]-B[idx[1]])

来源

2013-04-22 user2303141

请问您可以编辑修改'B = np.array [2。，4.，2.，1.]'到'B = np.array（[2，4，2，1。]）'？（我没有做这样一个小edi的声望） – 2013-04-22 14:27:41

下你想要做什么：

A = np.array([[0., 1., 0., 2.], 
      [1., 0., 3., 0.], 
      [0., 0., 0., 4.], 
      [2., 0., 4., 0.]]) # quadratic, not symmetric Matrix, shape (i, i) 
B = np.array([2., 4., 2., 1.]) # vector shape (i) 

C = A*(B[:,None]-B)

C是

array([[ 0., -2., 0., 2.], 
     [ 2., 0., 6., 0.], 
     [ 0., -0., 0., 4.], 
     [-2., -0., -4., 0.]])

一点解释：
B[:,None]转换B塑造[4,1]的列向量。 B[:,None]-B自动将结果自动广播到4x4矩阵，您可以简单地乘以A

来源

2013-04-22 09:18:59

numpy的：切片和矢量与一维和二维数组

回答

相关问题