numpy的 - 列向量次行向量的标量乘法

Question

什么是解决在python numpy的下面最好的和最有效的方式：

赋予权重向量：

weights = numpy.array([1, 5, 2]) 

和值向量：

values = numpy.array([1, 3, 10, 4, 2]) 

作为结果我需要一个矩阵，它包含在每个行上的矢量values标量乘以的weights[row]值：

result = [ 
    [1, 3, 10, 4, 2], 
    [5, 15, 50, 20, 10], 
    [2, 6, 20, 8, 4] 
] 

一个解决方案，我发现如下：

result = numpy.array([ weights[n]*values for n in range(len(weights)) ]) 

有没有更好的办法？

Answer 1

这种操作称为outer product。它可以使用numpy.outer()执行：

In [6]: numpy.outer(weights, values) 
Out[6]: 
array([[ 1, 3, 10, 4, 2], 
     [ 5, 15, 50, 20, 10], 
     [ 2, 6, 20, 8, 4]]) 

Answer 2

可以重塑weights的渔政船（3,1）阵列，然后乘到values

weights = numpy.array([1, 5, 2])[:,None] #column vector 
values = numpy.array([1, 3, 10, 4, 2]) 
result = weights*values 

print(result) 

array([[ 1, 3, 10, 4, 2], 
     [ 5, 15, 50, 20, 10], 
     [ 2, 6, 20, 8, 4]]) 

This answer解释[:,None]