Python 在scipy中使用tracedot执行一系列外部产品

要在Python中的两个向量（scipy/numpy）之间执行外积，可以使用outer函数，也可以像下面这样简单地使用dot：

In [76]: dot(rand(2,1), rand(1,2))
Out[76]: 
array([[ 0.43427387,  0.5700558 ],
       [ 0.19121408,  0.2509999 ]])

现在的问题是，假设我有一个向量列表（或两个列表…），我想计算所有的外积，创建一个方阵列表。我怎样才能轻松做到这一点？我相信tensordot能够做到这一点，但是如何做到呢？

第三种（也是最容易概括的）计算外积的方法是通过广播

一些3矢量（行上的矢量）：

外部产品：

from numpy import newaxis
xy = x[:,:,newaxis] * y[:,newaxis,:]

# 10th matrix
print xy[10]
print np.outer(x[10,:], y[10,:])

---

实际上是pv提供的答案。不正确，因为生成的xy阵列将具有形状（100,3,3）。 正确的广播方式如下：

import numpy as np
from numpy import newaxis
x = np.random.randn(100, 3)
y = np.random.randn(100, 3)

xy =  x[:,newaxis, :,newaxis] * y[newaxis,:,newaxis,:] 

生成的xy阵列现在为形状（100100,3,3），并包含x和y中所有3向量对的叉积：

for i,a in enumerate(x):
    for j,b in enumerate(y):
        if not np.alltrue(np.outer(a,b) == xy[i,j]): print("The code is wrong")

---

不提供输出：）

如果列表很大，请查看PyTables：您需要计算外积列表，还是只计算它们的和（或其他属性）？@dividebyzero:

创建方阵列表

真的是您的最终目标吗？你能更具体地说明你的目标吗？Thanks@Paulo它们不是很大的列表。。。大约1000个元素。我要找的是最快最简单的计算方法。@Jeremiah我需要这个列表。。。我所做的是从一个图像中计算所谓的结构张量，仅仅是一行图像。这是一个梯度向量的列表，我需要每个向量的外积。稍后我会在三个图像通道上添加其中的一部分，以及顶部和底部线条。但是结果仍然是一个2x2矩阵的列表，图像行的每个像素一个。谢谢你，我不知道这个！。。。但我仍然在寻找一个tensordot实现，以便比较速度！

for i,a in enumerate(x):
    for j,b in enumerate(y):
        if not np.alltrue(np.outer(a,b) == xy[i,j]): print("The code is wrong")