Python 所有行对上的Numpy广播元素产品？

我有一个形状为（n，）的一维数组

a

，和一个形状为（n，m）的二维数组

E

。我尝试执行以下计算（圆点表示元素乘法）：

我已经使用for循环编写了它，但是这段代码被调用了数千次，我希望有一种方法可以通过广播或numpy函数来实现这一点。以下是我正在尝试重写的for-loop解决方案：

def fun(E, A):
    X = E * A[:,np.newaxis]
    R = np.zeros(E.shape[-1])
    for ii in xrange(len(E)-1):
        for jj in xrange(ii+1, len(E)):
            R += X[ii] * X[jj]
    return R

任何帮助都将不胜感激

当前方法，但仍不起作用：

def fun1(E, A):
    X = E * A[:,np.newaxis]
    R = np.zeros(E.shape[-1])
    for ii in xrange(len(E)-1):
        for jj in xrange(ii+1, len(E)):
            R += X[ii] * X[jj]
    return R

def fun2(E, A):
    n = E.shape[0]
    m = E.shape[1]

    A_ = np.triu(A[1:] * A[:-1].reshape(-1,1))
    E_ = E[1:] * E[:-1] 
    R = np.sum((A_.reshape(n-1, 1, n-1) * E_.T).transpose(0,2,1).reshape(n-1*n-1,m), axis=0)

    return R

A = np.arange(4,9)
E = np.arange(20).reshape((5,4))

print fun1(E,A)
print fun2(E,A)

---

现在，这应该是可行的：

def fun3(E,A):
    n,m = E.shape
    n_ = n - 1

    X = E * A[:, np.newaxis]
    a = (X[:-1].reshape(n_, 1, m) * X[1:])
    b = np.tril(np.ones((m, n_, n_))).T
    R = np.sum((a*b).reshape(n_*n_, m), axis=0)

    return R

最后一个函数仅基于给定的公式。这是基于

fun

并使用添加的测试用例进行测试的

---

希望这对你有用

感谢rikardolsson的反馈，但这似乎对我不起作用。我写了一个小测试用例，但我不确定在这里分享它的最佳方式，所以我编辑了我的原始帖子并将其放在底部。也许我应该用一个新的答案来回答，而不是编辑这个。但希望你能看到它是经过编辑的，现在可以用了。我函数的第一行（即，

X=e*A[：，np.newaxis]

）是消除

A

中的冗余标量乘法。