Python 矢量化以numpy为单位计算一组点的所有单位矢量

我需要计算两组点之间的所有单位向量

目前我有：

def所有单位向量（点a、点b）：
结果=np.0（（len（点a）*len（点b），3），数据类型=np.32）
计数=0
对于点a中的点a：
对于点b中的pt_b：
结果[计数]=（pt_a-pt_b）/np.linalg.norm（[pt_a-pt_b]）
计数+=1
返回结果
在a=np.array（[[51.34,63.68,7.98]中，
[53.16, 63.23, 7.19],
[77.50, 62.55, 4.23],
[79.54, 62.73, 3.61]])
在b=np.数组中（[[105.58,61.09,5.50]，
[107.37, 60.66, 6.50],
[130.73, 58.30, 12.33],
[132.32, 58.48, 13.38]])
结果=所有单位向量（单位a、单位b）
打印（结果）

哪些（正确）输出：

all\u unit\u vectors（）

中的循环是否可以向量化？

计算为平方和的根，您可以按照以下方式实现自己的

norm

计算，然后使用以下方法向量化您的解：

给出：

[[-0.36851098  0.01759667  0.01684932]
 [-0.3777128   0.02035861  0.00997706]
 [-0.47964868  0.03250422 -0.02628129]
 [-0.4851439   0.03115273 -0.03235091]
 [-0.35515452  0.01449887  0.01145004]
 [-0.36444229  0.01727756  0.00463872]
 [-0.46762047  0.02971985 -0.03098581]
 [-0.4732132   0.02839518 -0.03700341]
 [-0.17814297  0.00926242 -0.00805704]
 [-0.18821243  0.01190899 -0.01430339]
 [-0.30440561  0.02430441 -0.04632135]
 [-0.31113513  0.0230996  -0.05193153]
 [-0.16408845  0.0103343  -0.01190965]
 [-0.1741932   0.01295652 -0.01808905]
 [-0.29113461  0.02519489 -0.04959355]
 [-0.29793917  0.02399093 -0.05515092]]

---

.

“我需要计算两组点之间的所有单位向量。”示例输出中的行不是单位向量。为什么你要用

np.linalg.norm（[pt\u a，pt\u b]）

来划分

pt\u a-pt\u b

？@WarrenWeckesser，不是吗？我是从（虽然我不清楚答案中的

v

是什么样子的）

np.linalg.norm（[-0.368511,0.01759667,0.01684932]）

是0.369…，而不是1。要得到单位向量，必须除以np.linalg.norm（pt_a-pt_b）。差异

pt_a-pt_b

对应于您链接到的答案中的

v

，因此您必须用

pt_a-pt_b

替换

v

，当然是@WarrenWeckesser-oh。谢谢你把它捡起来。我已经编辑了这个问题，所以没有其他人会犯同样的错误。

diff = (in_a[:, None] - in_b).reshape(-1, 3)
norm = ((in_a[:, None] ** 2 + in_b ** 2).sum(2) ** 0.5).reshape(-1, 1)

diff / norm

[[-0.36851098  0.01759667  0.01684932]
 [-0.3777128   0.02035861  0.00997706]
 [-0.47964868  0.03250422 -0.02628129]
 [-0.4851439   0.03115273 -0.03235091]
 [-0.35515452  0.01449887  0.01145004]
 [-0.36444229  0.01727756  0.00463872]
 [-0.46762047  0.02971985 -0.03098581]
 [-0.4732132   0.02839518 -0.03700341]
 [-0.17814297  0.00926242 -0.00805704]
 [-0.18821243  0.01190899 -0.01430339]
 [-0.30440561  0.02430441 -0.04632135]
 [-0.31113513  0.0230996  -0.05193153]
 [-0.16408845  0.0103343  -0.01190965]
 [-0.1741932   0.01295652 -0.01808905]
 [-0.29113461  0.02519489 -0.04959355]
 [-0.29793917  0.02399093 -0.05515092]]