Python 三维阵列的乘法和切片

我有一个5 x 98 x 3的矩阵。我想找到98 x 3的每个块的转置，然后将它与自身相乘，得到标准偏差。 因此，我希望最终答案的大小为5 x 3 x 3。 使用numpy进行此操作的有效方法是什么

我目前可以使用以下代码执行此操作：

MU.shape[0] = 5
rows = 98
SIGMA = []
    for i in np.arange(MU.shape[0]):
        SIGMA.append([])
        SIGMA[i] = np.matmul(np.transpose(diff[i]),diff[i])
    SIGMA = np.array(SIGMA)
    SIGMA = SIGMA/rows

---

此处的差异大小为5 x 98 x 3。

使用

np.einsum

求和，以减少最后一个轴彼此之间的偏移-

SIGMA = np.einsum('ijk,ijl->ikl',diff,diff)
SIGMA = SIGMA/rows

在

np.einsum

中使用

optimize

标志和

True

值来利用

BLAS

我们还可以使用

np.matmul

来获得那些

总和缩减

-

SIGMA = np.matmul(diff.swapaxes(1,2),diff)

您可以使用以下选项：

my_result = arr1.swapaxes(1,2) @ arr1

测试它：

import numpy as np

NINETY_EIGHT = 10
arr1 = np.arange(5*NINETY_EIGHT*3).reshape(5,NINETY_EIGHT,3)

my_result = arr1.swapaxes(1,2) @ arr1
print (my_result.shape)

(5, 3, 3)

输出：

import numpy as np

NINETY_EIGHT = 10
arr1 = np.arange(5*NINETY_EIGHT*3).reshape(5,NINETY_EIGHT,3)

my_result = arr1.swapaxes(1,2) @ arr1
print (my_result.shape)

(5, 3, 3)

---

差异只是数据集和平均值之间的差异。穆是中庸的，谢谢。工作得很有魅力。尽管如此，我还是需要详细阅读einsum函数。@Divakar:+1。很高兴被介绍到

np.einsum（）

。必须仔细阅读，才能理解“爱因斯坦总和”在这里的适用性这里没有乘法运算。我想解释一下你提到的矩阵乘法的要求。

@

运算符执行矩阵乘法。看看你接受的另一个答案，我怀疑我可能误解了你的问题。我以为你的要求只是执行乘法部分。您是否还希望代码计算差异、平均值等。？还是已经计算并存储在形状

（5,98,3）

的

arr1

中？我已经计算了差异。我只是在乘法部分有问题。另外，我也不知道@operator执行交互应用。谢谢你。我会尽量尝试你的方法well@AhmedJunaidKhalid

@

与matmul相同，特定于Python 3.x。更多信息-