Python 带矢量运算的外积和展平-numpy

我使用二维数组

m

和一维数组

v

执行以下操作：

result = np.array([np.outer(v, m_row).flatten() for m_row in m])

然而，这比numpy纯向量运算慢得多，因为我在最后使用了列表理解和

np.array

我可以用一个操作为矩阵中的每一行执行此

outer

乘积吗？或者至少只使用向量运算，而不使用循环或列表理解？

扩展dims，然后使用-

或者，与-

---

对于形状的

m

（30,5）和形状的

v

（6,5）：

(m[:, None, :]*v[:, None]).reshape(m.shape[0], -1)

np.einsum('ij,k->ikj', m, v).reshape(m.shape[0], -1)

%timeit (m[:, None, :]*v[:, None]).reshape(m.shape[0], -1)
# 5.93 µs ± 77.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit np.einsum('ij,k->ikj', m, v).reshape(m.shape[0], -1)
# 5.44 µs ± 61.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit np.array([np.outer(v, m_row).flatten() for m_row in m])
# 179 µs ± 18.9 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)