我正在寻找从数组B的所有元素中减去数组A的所有元素的最快方法。我知道的唯一方法是:
a = np.array([1,2,3])
b = np.array([1,2,3])
new = []
for i in a:
new.append(b - a[i])
理想情况下,我希望最终得到一个矩阵
new
,它等于[0,1,2;-1,0,1;-2,-1,0]
我还想将这种类型的操作扩展到pandas timedelta系列。例如,我可以这样做:
a=np.array([1,2,3])
b=np.array([1,2,3])
aT = pd.to_timedelta(a,'D')
bT = pd.to_timedelta(b,'D')
new = []
for i in aT:
x.append(bT - i)
结果是:
[TimedeltaIndex(['0 days', '1 days', '2 days'], dtype='timedelta64[ns]', freq='D'), TimedeltaIndex(['-1 days', '0 days', '1 days'], dtype='timedelta64[ns]', freq='D'), TimedeltaIndex(['-2 days', '-1 days', '0 days'], dtype='timedelta64[ns]', freq='D')]
但对于非常大的阵列来说,这是非常缓慢的。
·
最佳答案
将b
扩展到具有np.newaxis/None
的2D数组情况,然后让broadcasting
为快速矢量化解决方案发挥作用,如下所示-
a - b[:,None]
样本运行-
In [19]: a
Out[19]: array([1, 2, 3])
In [20]: b
Out[20]: array([1, 2, 3])
In [21]: a - b[:,None]
Out[21]:
array([[ 0, 1, 2],
[-1, 0, 1],
[-2, -1, 0]])