Python 有没有一种方法可以让这段代码更加通用和优雅？

我是一个Python新手，我想问一下，是否有一种方法可以让这段代码更加优雅和通用：

array = np.linalg.norm(np.array([
   X-mu[0],
   X-mu[1],
   X-mu[2],
   X-mu[3],
   X-mu[4],
]), axis=2)

X是RGB图像（NxD，30000x3阵列），mu是kxD（5x3）矩阵。最终，数组应该是kxN或Nxk矩阵

---

有没有一种方法可以循环使用mu的索引而不是手动键入它？

您正在尝试对

（3k，3）

和

（5，3）

数组执行减法操作。为了能够减少第二个轴以获得

（3k，5）

或

（5，3k）

的最终结果，您需要将第一个维度一起广播。如果引入一个新的轴，这对于广播来说是微不足道的：

np.linalg.norm(X[:, None, :] - mu[None, ...], axis=-1)

或

None

在下标中放置的位置创建大小为1的新轴。省略号（

…

）抓住其余的轴，这样您就不必显式地编写

：，：

---

上述表达式的差异分别传播到

（3k，5，3）

和

（5，3k，3）

。在这两种情况下，

norm

缩小最后一个轴，保留形状的前两个元素。根据您的内存布局，这两种方法都可能更快，有时甚至更明显。如果这对您很重要，那么做一个基准测试可能是值得的。

什么尺寸是

X

？X是一个NxD（约300.000x3数组）您希望输出的尺寸是多少？等等，X是2D还是3D？刚刚更新了说明。X是2D。

np.linalg.norm(X[None, ...] - mu[:, None, :], axis=-1)