Python 计算两个网格的所有对

在1-d中，我可以轻松优雅地实现我想要的，但我无法将其转换为2-d甚至更高维度

1-d

我有两个大小为N=3的一维网格

a = [1, 2, 3]
b = [10, 20, 30]

现在，我想对所有网格对的差分/范数计算一个函数：

def fun(x):
    return x

mgrid = np.meshgrid( a,b )
A = fun( np.abs(mgrid[0] - mgrid[1] ) )

结果A的大小为N x N：

array([[ 9,  8,  7],
       [19, 18, 17],
       [29, 28, 27]])

那是

|b[0]-a[0]| |b[0]-a[1]| |b[0]-a[2]|
|b[1]-a[0]| |b[1]-a[1]| |b[1]-a[2]|
|b[2]-a[0]| |b[2]-a[1]| |b[2]-a[2]|

（为了简洁起见，仅限于有趣的论点）

2-d

现在在二维函数中，乐趣保持不变

我有两个网格a和b

ax = [1, 2, 3]
ay = [4, 5, 6]
bx = [10, 20, 30]
by = [40, 50, 60]

a = np.meshgrid(ax, ay)
b = np.meshgrid(bx, by)

现在，我怎样才能像上面的一维网格一样处理二维，甚至更高维的网格呢

A的第一行：

|| (10 40) - (1 4) || || (10 40) - (1 5) || || (10 40) - (1 6) ||
|| (10 40) - (2 4) || || (10 40) - (2 5) || || (10 40) - (2 6) ||
|| (10 40) - (3 4) || || (10 40) - (3 5) || || (10 40) - (3 6) ||

（所有内容都在一行中，同样只有有趣的论点）

结果网格的大小应为N*N x N*N

我试图创建a和b的坐标

ca = np.array(list(zip(a[0].flatten(), a[1].flatten())))
cb = np.array(list(zip(b[0].flatten(), b[1].flatten())))

并从中创建网格网格：

mgrid = np.meshgrid([ca], [cb])

但单凭维度是不合适的（18而不是9）

---

编辑：完全修改了问题。

可以使用

scipy.space.distance\u矩阵来完成

def fun(x):
    return x

ax = [1, 2, 3]
ay = [4, 5, 6]
bx = [10, 20, 30]
by = [40, 50, 60]

a = np.meshgrid(ax, ay)
b = np.meshgrid(bx, by)
ca = np.vstack(a).reshape(2, -1).T
cb = np.vstack(b).reshape(2, -1).T
A = scipy.spatial.distance_matrix(ca, cb)
A = fun(A)

A的形状是（9,9）
如何将输入展平到1D，然后将其馈送到网格网格？如果
f（）
采用两个1D向量，那么
f（np.abs（mgrid[0]-mgrid[1]）
如何提供有用的输出？这是一个2D输入。如果您不能直接告诉我们什么是
f（）
，请至少更清楚地了解什么是输入和输出，什么是形状和类型（
array
，
tuple
或
list
），因为您的变量名不断变化，您的符号也不清楚。在这种情况下，A将给出清晰的输入（类型、数字和形状），清晰的预期输出（类型、数字和形状），并带有给定“玩具”输入的预期输出样本。我确信所有的东西都在某个地方，现在真的很难找到。我修改了我的问题，让它更清楚。