numpy中两个数组的乘法答案

【问题标题】：Multiplication of two arrays in numpynumpy中两个数组的乘法
【发布时间】：2015-07-03 03:11:09
【问题描述】：

我有两个 numpy 数组：

x = numpy.array([1, 2])
y = numpy.array([3, 4])

我想创建一个元素产品矩阵：

[[3, 6],
 [4, 8]]

最简单的方法是什么？

【问题讨论】：

标签： python arrays python-2.7 numpy multiplication

【解决方案1】：

一种方法是使用np.multiply 的outer 函数（如果您想要与问题中相同的顺序，请转置）：

>>> np.multiply.outer(x, y).T
array([[3, 6],
       [4, 8]])

NumPy 中的大多数 ufunc 都有这个有用的 outer 功能（add、subtract、divide 等）。如@Akavall suggests，np.outer 等价于这里的乘法情况。

或者，np.einsum 可以一次性执行乘法和转置：

>>> np.einsum('i,j->ji', x, y)
array([[3, 6],
       [4, 8]])

第三种方法是在一个数组中插入一个新轴，然后相乘，虽然这有点冗长：

>>> (x[:, np.newaxis] * y).T
array([[3, 6],
       [4, 8]])

对于那些对性能感兴趣的人，这里是两个长度为 15 的数组上的操作时间，从最快到最慢：

In [70]: x = np.arange(15)
In [71]: y = np.arange(0, 30, 2)
In [72]: %timeit np.einsum('i,j->ji', x, y)
100000 loops, best of 3: 2.88 µs per loop
In [73]: %timeit np.multiply.outer(x, y).T
100000 loops, best of 3: 5.48 µs per loop
In [74]: %timeit (x[:, np.newaxis] * y).T
100000 loops, best of 3: 6.68 µs per loop
In [75]: %timeit np.outer(x, y).T
100000 loops, best of 3: 12.2 µs per loop

【讨论】：

【解决方案2】：

你可以使用np.outer。

In [7]: x = np.array([1, 2])

In [8]: y = np.array([3, 4])

In [10]: np.outer(x,y).T
Out[10]: 
array([[3, 6],
       [4, 8]])

【讨论】：

【解决方案3】：

B = np.multiply.outer(x, y).T

链接： http://pchanial.github.io/python-for-data-scientists/auto_examples/ufunc_matrices.html

这里有一个很好的教程来解决这些问题这个地址可以帮忙：http://wiki.scipy.org/Tentative_NumPy_Tutorial

【讨论】：