如何在numpy中構造向量的所有可能差異的矩陣

Question

我有一個一維數組，可以說：

import numpy as np
inp_vec = np.array([1, 2, 3])

現在，我想構造一個形式的矩陣

[[1 - 1, 1 - 2, 1 - 3],
 [2 - 1, 2 - 2, 2 - 3],
 [3 - 1, 3 - 2, 3 - 3]])

當然，它可以用 for 循環來完成，但有沒有更優雅的方法來做到這一點？

Answer 1

這我也找到了一個很好的方法：

np.subtract.outer([1,2,3], [1,2,3])

Answer 2

這似乎有效：

In [1]: %paste
import numpy as np
inp_vec = np.array([1, 2, 3])

## -- End pasted text --

In [2]: inp_vec.reshape(-1, 1) - inp_vec
Out[2]: 
array([[ 0, -1, -2],
       [ 1,  0, -1],
       [ 2,  1,  0]])

解釋：

您首先將數組重塑為nx1 。 當您減去一維數組時，它們都會廣播到nxn ：

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

和

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

然后按元素進行減法，從而產生所需的結果。

Answer 3

import numpy as np
inp_vec = np.array([1, 2, 3])

a, b = np.meshgrid(inp_vec, inp_vec)
print(b - a)

輸出：

Array([[ 0 -1 -2],
       [ 1  0 -1],
       [ 2  1  0]])

Answer 4

使用 np.nexaxis

import numpy as np
inp_vec = np.array([1, 2, 3])

output = inp_vec[:, np.newaxis] - inp_vec

輸出

array([[ 0, -1, -2],
       [ 1,  0, -1],
       [ 2,  1,  0]])

Answer 5

這是一種快速而簡單的替代方法。

import numpy as np
inp_vec = np.array([1, 2, 3])

N = len(inp_vec)
np.reshape(inp_vec,(N,1)) - np.reshape(inp_vec,(1,N))