给定两个数组A(形状:M X C)和B(形状:N X C),有没有办法在不使用循环的情况下从每一行A中减去每一行B?最终输出将为(M N X C)形状。

例子

A = np.array([[  1,   2,   3],
              [100, 200, 300]])

B = np.array([[  10,   20,   30],
              [1000, 2000, 3000],
              [ -10,  -20,   -2]])
所需结果(可以具有其他形状)(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,“外部”减去每个元素而不是每一行)

最佳答案

可以像这样利用 broadcasting 来高效地执行此操作(不使用任何循环):

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,对于比 broadcasting 更快的解决方案,我们将不得不像下面这样使用numexpr:
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)

一种效率最低的方法是使用np.repeatnp.tile匹配两个数组的形状。但是,请注意,这是效率最低的选项,因为在尝试匹配形状时,它会使复制
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]])

关于python - 从矩阵B的每一行中减去矩阵A的每一行而无循环,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/48359053/

10-12 17:02