Python 在numpy中执行交叉差异

我想执行如下“交叉差异”：

def crossdiff(a,b):
    c = []
    for a1 in range(len(a)):
        for b1 in range(len(b)):
            c.append (a[a1]-b[b1])
    x = numpy.array(c)
    x.reshape(len(a),len(b))
    return x

交叉差异（[a，b]，[c，d]）=[a-c，a-d]，[b-c，b-d]]

我有一个在python中执行此操作的例程，如下所示：

def crossdiff(a,b):
    c = []
    for a1 in range(len(a)):
        for b1 in range(len(b)):
            c.append (a[a1]-b[b1])
    x = numpy.array(c)
    x.reshape(len(a),len(b))
    return x

问题是我必须创建一个python数组并将结果填充到其中，然后再转换回numpy数组。我希望能够得到numpy向量a和b，得到一个包含所有差异的numpy数组c，因为上面的代码对于较大的向量大小来说性能很差

是否有必要将上述计算作为“纯”numpy操作执行

编辑测试结果：

我通过Python分析器运行了本线程中列出的所有四个实现，以进行比较。我必须在工作站上运行它们，因为最初的实现使用了~4GB内存和10k元素

import numpy
import cProfile

def cross_diff(A, B):
    return A[:,None] - B[None,:]

def crossdiff2 (a,b):
    ap = numpy.tile (a, (numpy.shape(b)[0],1))
    bp = numpy.tile (b, (numpy.shape(a)[0],1))

    return ap - bp.transpose()

def crossdiff(a,b):
    c = []
    for a1 in range(len(a)):
        for b1 in range(len(b)):
            c.append (a[a1]-b[b1])
    x = numpy.array(c)
    x.reshape(len(a),len(b))
    return x

a = numpy.array(range(10000))
b = numpy.array(range(10000))

cProfile.run('crossdiff (a,b)')
cProfile.run('crossdiff2 (a,b)')
cProfile.run('cross_diff (a,b)')
cProfile.run('numpy.subtract.outer (a,b)')

结果: 最初的python是74.147秒，我的版本是1.656秒，第三个实现是0.296，第四个实现是0.288。

试试：

import numpy as np

np.array([a,b])[:,None] - np.array([c,d,e])[None,:]

一点解释：索引中的

None

可以根据需要扩展维度。因此，实际计算将是：

a a a     c d e     a-c  a-d  a-e
       -         =  
b b b     c d e     b-c  b-d  b-e

非常有用的是，索引中的

None

还有一个例子：

import numpy as np

def cross_diff(A, B):
    return A[:,None] - B[None,:]

vec_a = np.array([1,2,3,4])
vec_b = np.array([3,2,1])

print cross_diff(vec_a, vec_b)

---

基于@DrV概述的技术，我提出了以下建议：

def crossdiff2 (a,b):
    ap = numpy.tile (a, (numpy.shape(b)[0],1))
    bp = numpy.tile (b, (numpy.shape(a)[0],1))

    print ap.transpose()

    return ap - bp.transpose()

---

它给出了与上面相同的答案，但将所有数据操作保留在numpy中。

通过使用ufuncs的

.outer

方法，您可以获得相同的结果，而无需为广播添加显式维度。例如：

>>> np.subtract.outer([1, 2], [3, 4, 5])
array([[-2, -3, -4],
       [-1, -2, -3]])

---

它还有一个额外的好处，即接受任何iterable作为输入，您不需要首先将它们转换为数组。

索引中的None是numpy数组的特殊功能还是可以使用任何数组完成的功能？@BelowtheRadar:这是一个numpy技巧。基本python数组不支持多维索引或任何元素计算。我看到了按形状（b）复制a和按形状（a）复制b的概念，但当我尝试此操作时，它返回一个由1个元素值组成的数组，而不是n个元素值。@Guy，你试过我的示例吗？用一些数字代替

a

、

b

、

c

、

d

和

e

。如果您有1d数组

A

和

B

，请尝试

A[：，无]-B[无，：]

。我在我的答案末尾添加了一个进一步的例子。我确实尝试过了，我得到了这个：

code

>>np.array（[1,2,3]）[：，None]-np.array（[1,2,3]）[：，None]array（[0]，[0]）

code

很好的尝试！但不要试图过度优化。与普通解决方案相比，这要慢得多（大约x 8）：）