[英]Using numpy einsum to compute inner product of column-vectors of a matrix
假設我有一個像這樣的numpy矩陣:
[[ 1 2 3]
[ 10 100 1000]]
我想計算每個列本身的內積,因此結果將是:
[1*1 + 10*10 2*2 + 100*100 3*3 + 1000*1000] == [101, 10004, 1000009]
我想知道使用einsum
函數是否可能(並更好地理解它)。
到目前為止,我可以得到的最接近的結果是:
import numpy as np
arr = np.array([[1, 2, 3], [10, 100, 1000]])
res = np.einsum('ij,ik->jk', arr, arr)
# [[ 101 1002 10003]
# [ 1002 10004 100006]
# [ 10003 100006 1000009]]
對角線包含預期的結果,但是我想知道是否可以避免邊緣計算。
使用np.einsum
,就像這樣-
np.einsum('ij,ij->j',arr,arr)
樣品運行-
In [243]: np.einsum('ij,ij->j',arr,arr)
Out[243]: array([ 101, 10004, 1000009])
或使用np.sum
In [244]: (arr**2).sum(0)
Out[244]: array([ 101, 10004, 1000009])
或使用numexpr
模塊 -
In [248]: import numexpr as ne
In [249]: ne.evaluate('sum(arr**2,0)')
Out[249]: array([ 101, 10004, 1000009])
通過Divakar的einsum答案的一個中間步驟,可以直觀地理解您的期望。
In [19]: arr
Out[19]:
array([[ 1, 2, 3],
[ 10, 100, 1000]])
# simply take element-wise product with the array itself
In [20]: np.einsum('ij, ij -> ij', arr, arr)
Out[20]:
array([[ 1, 4, 9],
[ 100, 10000, 1000000]])
但是,這不會產生您期望的結果。 因此,如果您觀察到以上結果,我們只需要沿第一維 (即軸0) 求和即可 。 因此,我們在einsum結果中的->
之后省略了下標i
,這意味着我們要求它沿該軸求和,從而得出期望的結果為:
In [21]: np.einsum('ij, ij -> j', arr, arr)
Out[21]: array([ 101, 10004, 1000009])
PS另外,對於np.einsum
的一般理解,請參見此處的詳細討論: 理解-numpy-einsum
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.