给定两个数组,A
(形状:M X C)和B
(形状:N X C),有没有办法减去 A
的每一行?来自 B
的每一行不使用循环?最终输出的形状为 (M N X C)。
例子
A = np.array([[ 1, 2, 3],
[100, 200, 300]])
B = np.array([[ 10, 20, 30],
[1000, 2000, 3000],
[ -10, -20, -2]])
期望的结果(可以有一些其他形状)(已编辑):
array([[ -9, -18, -27],
[-999, -1998, -2997],
[ 11, 22, 5],
[ 90, 180, 270],
[-900, -1800, -2700],
[ 110, 220, 302]])
Shape: 6 X 3
(循环太慢,“outer”减去每个元素而不是每一行)
最佳答案
通过利用 broadcasting
可以高效地完成它(不使用任何循环)喜欢:
In [28]: (A[:, np.newaxis] - B).reshape(-1, A.shape[1])
Out[28]:
array([[ -9, -18, -27],
[ -999, -1998, -2997],
[ 11, 22, 5],
[ 90, 180, 270],
[ -900, -1800, -2700],
[ 110, 220, 302]])
或者,为了比 broadcasting
快一点的解决方案,我们将不得不使用 numexpr喜欢:
In [31]: A_3D = A[:, np.newaxis]
In [32]: import numexpr as ne
# pass the expression for subtraction as a string to `evaluate` function
In [33]: ne.evaluate('A_3D - B').reshape(-1, A.shape[1])
Out[33]:
array([[ -9, -18, -27],
[ -999, -1998, -2997],
[ 11, 22, 5],
[ 90, 180, 270],
[ -900, -1800, -2700],
[ 110, 220, 302]], dtype=int64)
另一种效率最低的方法是使用 np.repeat和 np.tile匹配两个数组的形状。但是,请注意,这是效率最低的选项,因为它会在尝试匹配形状时生成副本。
In [27]: np.repeat(A, B.shape[0], 0) - np.tile(B, (A.shape[0], 1))
Out[27]:
array([[ -9, -18, -27],
[ -999, -1998, -2997],
[ 11, 22, 5],
[ 90, 180, 270],
[ -900, -1800, -2700],
[ 110, 220, 302]])
关于python - 从矩阵 B 的每一行中减去矩阵 A 的每一行,无需循环,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48359053/