将两个矩阵的所有列对相加答案

【问题标题】：Adding up all pairs of columns of two matrices将两个矩阵的所有列对相加
【发布时间】：2014-11-18 12:38:15
【问题描述】：

我有两个矩阵 A 和 B，它们的列数相等，但行数通常不相等。我想将矩阵 A 和 B 中的所有列对相加。带有 for 循环的简单实现是这样的：

import numpy as np
ncol = 3
nrow_A = 5
nrow_B = 10
A = np.ones((nrow_A,ncol))
B = np.zeros((nrow_B,ncol))

C = np.empty((nrow_A*nrow_B,ncol))
k = 0
for i in range(nrow_A):
    for j in range(nrow_B):
        C[k,:] = A[i,:]+B[j,:] 
        k += 1

在本例中返回一个 50*3 的矩阵，其中填充了 1。感觉这应该可以用一行代码来实现。我怎样才能做到这一点？

【问题讨论】：

标签： python numpy matrix combinations addition

【解决方案1】：

如果你稍微重塑A，你可以将两个矩阵加在一起，并连接结果数组第一个轴上的条目：

>>> np.concatenate(A[:,np.newaxis,:] + B)
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       ...

concatenate 的一个稍快的替代方法是使用reshape：

(A[:,np.newaxis,:] + B).reshape(-1, 3)

【讨论】：

谢谢。连接不是一个相当昂贵的操作吗？
@Forzaa - 没错，它可以；您可以改用reshape（我已将其添加到答案中）
太棒了！真正方便地使用 numpy 函数。目前我还没有足够的经验来看到所有的可能性，所以看到这些例子真的很好。

【解决方案2】：

这并不漂亮，但这条线使用广播来做同样的事情：

(A[:, np.newaxis, :] + B[np.newaxis, :, :]).reshape(nrow_A * nrow_B, ncol)

例子

import numpy as np
ncol = 3
nrow_A = 5
nrow_B = 10
A = np.random.random_sample((nrow_A,ncol))
B = np.random.random_sample((nrow_B,ncol))

C = np.empty((nrow_A*nrow_B,ncol))
k = 0
for i in range(nrow_A):
    for j in range(nrow_B):
        C[k,:] = A[i,:]+B[j,:] 
        k += 1

D = (A[:, np.newaxis, :] + B[np.newaxis, :, :]).reshape(nrow_A * nrow_B, ncol)

print(np.allclose(C, D))

【讨论】：

泰。您给出的答案与 Ajcr 几乎相同，但由于他的版本还包含一个替代方案，因此我接受了那个。