创建具有多个向量的numpy矩阵的最快方法

3 回答

• 2

  import numpy as np 
  m = np.array([0.2, 0.4, 1.2])
  x = 5
  y = 3
  X = m*x+y
  

  这在numpy中称为broadcasting（既简单又快速;））

  回复于 2024-04-28T10:55:14+08:00
• 3

  如果X和Y是数组，则使用Einstein Summation

  In [70]: Y
  Out[76]: array([5, 6, 7, 8, 9])
  
  In [71]: X
  Out[71]: array([0, 1, 2, 3, 4])
  
  In [72]: m
  Out[72]: [0.2, 0.4, 1.2]
  
  In [73]: np.einsum('i,j', X, m)
  Out[73]: 
  array([[0. , 0. , 0. ],
         [0.2, 0.4, 1.2],
         [0.4, 0.8, 2.4],
         [0.6, 1.2, 3.6],
         [0.8, 1.6, 4.8]])
  
  In [74]: Y[...,np.newaxis] + np.einsum('i,j', X, m)
  Out[74]: 
  array([[ 5. ,  5. ,  5. ],
         [ 6.2,  6.4,  7.2],
         [ 7.4,  7.8,  9.4],
         [ 8.6,  9.2, 11.6],
         [ 9.8, 10.6, 13.8]])
  

  回复于 2024-04-28T10:55:14+08:00
• 1

  如果您给出示例 x 和 y 以及 m ，它会有所帮助，但是：

  In [435]: x,y = np.array([1,2,3,4]), np.array([.1,.2,.3,.4])
  In [436]: m = [.2,.4,1.2]
  

  结果是（3，N）：

  In [437]: np.array([i*x+y for i in m])
  Out[437]: 
  array([[0.3, 0.6, 0.9, 1.2],
         [0.5, 1. , 1.5, 2. ],
         [1.3, 2.6, 3.9, 5.2]])
  

  广播 m ：

  In [438]: np.array(m)[:,None]*x + y
  Out[438]: 
  array([[0.3, 0.6, 0.9, 1.2],
         [0.5, 1. , 1.5, 2. ],
         [1.3, 2.6, 3.9, 5.2]])
  

  哎呀，我错过了你的转置，

  In [440]: np.array(m)*x[:,None] + y[:,None]
  Out[440]: 
  array([[0.3, 0.5, 1.3],
         [0.6, 1. , 2.6],
         [0.9, 1.5, 3.9],
         [1.2, 2. , 5.2]])
  

  我继续将转置应用于[438]

  回复于 2024-04-28T10:55:14+08:00