[英]Subtract each row of matrix A from every row of matrix B without loops
給定兩個數組, A
(形狀:MXC)和B
(形狀:NXC),有沒有辦法在不使用循環的情況下從B
每一行中減去A
的每一行? 最終輸出將是形狀(MNXC)。
A = np.array([[ 1, 2, 3],
[100, 200, 300]])
B = np.array([[ 10, 20, 30],
[1000, 2000, 3000],
[ -10, -20, -2]])
所需的結果(可以有其他形狀)(已編輯):
array([[ -9, -18, -27],
[-999, -1998, -2997],
[ 11, 22, 5],
[ 90, 180, 270],
[-900, -1800, -2700],
[ 110, 220, 302]])
Shape: 6 X 3
(循環太慢,“外層”減去的是每個元素而不是每一行)
通過利用broadcasting
可以有效地(不使用任何循環)做到這一點:
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,對於比broadcasting
更快一點的解決方案,我們必須使用numexpr ,例如:
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)
一種效率最低的方法是使用np.repeat和np.tile來匹配兩個數組的形狀。 但是,請注意,這是效率最低的選項,因為它會在嘗試匹配形狀時進行復制。
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]])
使用Kronecker 產品( numpy.kron
):
>>> import numpy as np
>>> A = np.array([[ 1, 2, 3],
... [100, 200, 300]])
>>> B = np.array([[ 10, 20, 30],
... [1000, 2000, 3000],
... [ -10, -20, -2]])
>>> (m,c) = A.shape
>>> (n,c) = B.shape
>>> np.kron(A,np.ones((n,1))) - np.kron(np.ones((m,1)),B)
array([[ -9., -18., -27.],
[ -999., -1998., -2997.],
[ 11., 22., 5.],
[ 90., 180., 270.],
[ -900., -1800., -2700.],
[ 110., 220., 302.]])
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.