Python 使用Numpy代替循环

我有以下虚拟数据：

import numpy as numpy


x = np.linspace(1, 10, 10)
y = np.linspace(1, 10, 10)
x[::-1].sort()
y[::-1].sort()
tot_value = np.sum(y)

n_values = np.array([1, 2, 3])

final = np.sum((x[:, np.newaxis]**(1/n_values))*(y[:, np.newaxis]/tot_value))**n_values

final2 = [np.sum((x[:, np.newaxis]**(1/i))*(y[:, np.newaxis]/tot_value))**i for i in n_values]

我的问题是，我想使用Numpy（

final

）来模拟在

final2

中看到的循环，这是由于获得更大数组时的速度。但是输出是不一样的，我一直在尝试不同的东西，但我似乎不知道怎么做，如果可能的话

final

的输出为：

[275.3622303   16.59404201  16.59404201]    

它应该位于

final2

中的位置：

[6.7290539608469775, 7.0, 7.0]

---

也许我对此视而不见，但我就是不知道该怎么做。

你可以通过广播来做到这一点：

np.sum(
    (x[None, :] ** (1 / n_values[:, None])) * (y[None, :] / tot_value),
    axis=1
) ** n_values

---

只需将数组直接用于同一表达式并沿第一个轴求和即可-

i = n_values
out = np.sum((x[:, np.newaxis]**(1/i))*(y[:, np.newaxis]/tot_value),axis=0)**i

另一个和更高性能的是

einsum

-

out = np.einsum('ij,ij->j',x[:, np.newaxis]**(1/i),y[:, np.newaxis]/tot_value)**i

矩阵乘法-

out = (y/tot_value).dot(x[:, np.newaxis]**(1/i))**i

---

啊，对不起，我弄错了。这应该是

n_值

。它已经更新了。啊，所以我只缺少了axis=0属性。好了，给你：）