用向量的倍数创建numpy矩阵的最快方法

Question

令x，y为N个元素的两个numpy数组。 我想创建一个numpy矩阵，其列是x的缩放移位版本。 例如说

m=[0.2, 0.4, 1.2]

然后我想要矩阵

X = [0.2x+y, 0.4x+y, 1.2x+y]

什么是最快（同时也是最容易的，最容易成为第二优先级）的方式。

目前，我正在做这样的事情。

ListVec = [m[i]*x+y for i in numpy.arange(len(m))]
X = numpy.array(ListVec).T

Answer 1

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

这被称为numpy 广播 （既简便又快速；）

Answer 2

当X和Y是数组时使用爱因斯坦求和

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]])

Answer 3

如果您给出示例x和y以及m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]

因此结果是（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]])

用m广播：

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，我想念你的换位

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]])

我会继续将移调应用于[438]