两个numpy阵列的平均差

我有两个一维NumPy数组

X

和

Y

。我需要计算

X

的每个元素与

Y

的每个元素之间的平均绝对差值。最简单的方法是使用嵌套的

for

循环：

import numpy as np
np.random.seed(1)
X = np.random.randint(10, size=10)
Y = np.random.randint(10, size=10)

s = 0
for x in X:
    for y in Y:
        s += abs(x - y)
mean = s / (X.size * Y.size)
#3.4399999999999999

问题：NumPy是否提供此解决方案的矢量化、更快版本

编辑：我需要平均绝对差值（始终为非负）。很抱歉造成混淆。

一种方法是：

diff = X - Y
abs_diff = np.abs(diff)
mean_diff = np.sum(abs_diff) / (X.size * Y.size)

或者更规范地说：

np.mean(X - Y)

要计算绝对差异：

np.mean(np.abs(X - Y))

---

如果在相反的轴上平铺，则可以

abs

diff-like：

代码： 测试代码： 结果：

---

如果我正确理解你的定义，你可以使用广播

np.mean(np.abs(X[:, None] - Y))

---

整洁的但是我需要平均绝对差（总是非负的）。很抱歉给你带来了困惑。我不认为您的解决方案可以扩展到处理abs（）。@DyZ只需在任何区分子句中添加

np.abs

np.abs（X-Y）

或

np.mean（np.abs（X-Y））

@GeneBurinsky不，这不一样。不幸的是，这不一样。取

X=array（[8,4,6,0,9,2,3,2,9,4]）

和

Y=array（[4,0,1,8,4,9,2,5,7,7]）

。你的方法是4.2，真正的平均值是3.4。abs（）和mean（）是不可交换的。@DyZ-fair。我想我们误解了，因为我们假设了两个数组之间的差异，而您实际上想问的是

X

中的每个元素与

Y

中的每个元素之间的差异。为了方便起见，我认为设置种子

np.random.seed（1）通常是有帮助的

每当我们生成随机数组时——这样答案就能准确地重现您的结果。@GeneBurinsky很公平。房间里的大象是您的代码生成排名1的数组，例如（10，）。因此，miradulo的代码生成的结果与此类型数组的代码相同。但是，如果你的数组是一个不同的形状（例如2x5），那么结果就会非常不同。@KRKirov总的来说，你是对的。但这就是为什么我说我的数组是线性的（一维的）。让我在问题中澄清这一点。

import numpy as np
X = np.random.randint(10, size=10)
Y = np.random.randint(10, size=10)

s = 0
for x in X:
    for y in Y:
        s += abs(x - y)
mean = s / (X.size * Y.size)
print(mean)

x = np.tile(X, (X.size, 1))
y = np.transpose(np.tile(Y, (Y.size, 1)))

print(np.sum(np.abs(x-y)) / (X.size * Y.size))

3.48
3.48

np.mean(np.abs(X[:, None] - Y))