矢量化numpy代码[重复]答案

【问题标题】：Vectorize numpy code [duplicate]矢量化numpy代码[重复]
【发布时间】：2018-03-15 06:53:45
【问题描述】：

所以我试图在 numpy 中对这段代码进行矢量化，但我遇到了麻烦这是我的 for 循环版本，可以按需要工作：

B 是一个 3x3 矩阵

 for i in range(b.shape[0]):  
    for j in range(b.shape[0]):
       Z[i,j] = np.sqrt(np.dot((b[i,:].T - b[j,:].T).T  ,  b[i,:].T - b[j,:].T))

现在我正在尝试对这段代码进行矢量化处理，这样我就不必使用双 for 循环了。到目前为止，我得到的东西不起作用：

i = 0, j = 0
np.sqrt( np.dot ( (p[i,:].T - p[j:,:].T).T  , p[i,:].T - p[j,:].T ))

理想情况下，如果您分解为 for 循环会做什么，它应该执行此操作。

np.sqrt( np.dot ( (p[0,:].T - p[0,:].T).T  ,  p[0,:].T - p[0,:].T  ))
np.sqrt( np.dot ( (p[0,:].T - p[1,:].T).T  ,  p[0,:].T - p[1,:].T  )) 
np.sqrt( np.dot ( (p[1,:].T - p[0,:].T).T  ,  p[1,:].T - p[0,:].T  ))
np.sqrt( np.dot ( (p[1,:].T - p[1,:].T).T  ,  p[1,:].T - p[1,:].T  ))

谁能提供一些见解。我宁愿不使用任何内置函数，而是坚持使用 np.dot 之类的东西。顺便说一句，这是计算欧几里得距离矩阵。

【问题讨论】：

对于初学者，您可以简化为Z[i,j] = np.linalg.norm(b[:,i]-b[:,j])
了解代码的作用会有所帮助。

标签： python numpy vectorization

【解决方案1】：

您可以将其矢量化为：

b = np.asarray(b)                      # in case you have a matrix, convert it to an array
np.linalg.norm(b - b[:,None], axis=2)

b - b[:,None] 对b 进行逐行外减，np.sqrt(np.dot(...,...)) 可以用np.linalg.norm 计算。

示例：

a = np.arange(9).reshape(3,3)
b = np.matrix(a)

Z = np.zeros_like(b, dtype=np.float32)


for i in range(b.shape[0]):  
    for j in range(b.shape[0]):
        Z[i,j] = np.sqrt(np.dot((b[i,:].T - b[j,:].T).T  ,  b[i,:].T - b[j,:].T))

Z
#array([[  0.        ,   5.19615221,  10.39230442],
#       [  5.19615221,   0.        ,   5.19615221],
#       [ 10.39230442,   5.19615221,   0.        ]], dtype=float32)

b = np.asarray(b) 
np.linalg.norm(b - b[:,None], axis=2)
#array([[  0.        ,   5.19615242,  10.39230485],
#       [  5.19615242,   0.        ,   5.19615242],
#       [ 10.39230485,   5.19615242,   0.        ]])

【讨论】：