numpy的广播阵列

Question

我在NumPy的以下数组：

A = array([1, 2, 3]) 

如何可以得到以下的矩阵（没有明确的循环）？

B = [ 1 1 1 
     2 2 2 
     3 3 3 ] 

C = [ 1 2 3 
     1 2 3 
     1 2 3 ] 

谢谢！

Answer 1

EDIT2：该任择议定书要求的意见如何计算

n(i, j) = l(i, i) + l(j, j) - 2 * l(i, j) 

我能想到的两种方法。我喜欢这种方式，因为它容易推广：

import numpy as np 

l=np.arange(9).reshape(3,3) 
print(l) 
# [[0 1 2] 
# [3 4 5] 
# [6 7 8]] 

这个想法是使用np.ogrid。这定义了两个numpy的阵列，形状中的一个（3,1）和形状中的一个（1,3）的列表：

grid=np.ogrid[0:3,0:3] 
print(grid) 
# [array([[0], 
#  [1], 
#  [2]]), array([[0, 1, 2]])] 

grid[0]可以用作索引i代理，并且 grid[1]可以被用作索引j的代理。

所以在表达l(i, i) + l(j, j) - 2 * l(i, j)无处不在，你只需更换i - >grid[0]，并j - >grid[1]和numpy的广播照顾其余的：

n=l[grid[0],grid[0]] + l[grid[1],grid[1]] + 2*l 
print(n) 
# [[ 0 6 12] 
# [10 16 22] 
# [20 26 32]] 

然而，在这种特殊情况下，因为l(i,i)和l(j,j)都只是l对角线元素，你可以这样做，而不是：

d=np.diag(l) 
print(d) 
# [0 4 8] 

d[np.newaxis,:]将d的形状泵到（1,3），并且 d[:,np.newaxis]将d的形状泵到（3,1）。

Numpy broadcast up up d[np.newaxis,:] and d[:,np.newaxis] to shape（3,3），copy appropriate values as appropriate。

n=d[np.newaxis,:] + d[:,np.newaxis] + 2*l 
print(n) 
# [[ 0 6 12] 
# [10 16 22] 
# [20 26 32]] 

---

EDIT1：通常你不需要形成B或C。 Numpy广播的目的是让您使用A来代替B或C。如果您告诉我们您打算如何使用B或C，我们可能会告诉您如何使用A和numpy广播。

---

（原来的答复）：

In [11]: B=A.repeat(3).reshape(3,3) 

In [12]: B 
Out[12]: 
array([[1, 1, 1], 
     [2, 2, 2], 
     [3, 3, 3]]) 

In [13]: C=B.T 

In [14]: C 
Out[14]: 
array([[1, 2, 3], 
     [1, 2, 3], 
     [1, 2, 3]]) 

或

In [25]: C=np.tile(A,(3,1)) 

In [26]: C 
Out[26]: 
array([[1, 2, 3], 
     [1, 2, 3], 
     [1, 2, 3]]) 

In [27]: B=C.T 

In [28]: B 
Out[28]: 
array([[1, 1, 1], 
     [2, 2, 2], 
     [3, 3, 3]]) 

从搞鬼部门：

In [57]: np.lib.stride_tricks.as_strided(A,shape=(3,3),strides=(4,0)) 
Out[57]: 
array([[1, 1, 1], 
     [2, 2, 2], 
     [3, 3, 3]]) 

In [58]: np.lib.stride_tricks.as_strided(A,shape=(3,3),strides=(0,4)) 
Out[58]: 
array([[1, 2, 3], 
     [1, 2, 3], 
     [1, 2, 3]]) 

但是请注意，这些都是意见的A，而不是副本（如上述解决方案）。更改B，改变A：

In [59]: B=np.lib.stride_tricks.as_strided(A,shape=(3,3),strides=(4,0)) 

In [60]: B[0,0]=100 

In [61]: A 
Out[61]: array([100, 2, 3]) 

---

Answer 2

很老的线程，但以防万一有人问津......

C,B = np.meshgrid(A,A)