使用NumPy替换Python中的嵌套循环

所以我有这6个嵌套循环，它们的目的只是在不同的索引上乘和加数组

X

和

Y

，得到数组

Z

将numpy导入为np
尺寸a=5
尺寸b=9
Z=np.零（（尺寸a，尺寸b，尺寸b，尺寸a））
X=np.arange（2025）。重塑（尺寸a、尺寸b、尺寸b、尺寸a）
Y=np.arange（2025）。重塑（尺寸a、尺寸b、尺寸b、尺寸a）
对于范围内的i（0，尺寸a）：
对于范围内的j（0，尺寸a）：
对于范围内的a（0，尺寸b）：
对于范围内的b（0，尺寸b）：
对于范围内的m（0，尺寸a）：
对于范围内的e（0，尺寸b）：
Z[i，a，b，j]+=X[m，e，b，j]*Y[m，e，a，i]*2

有没有一种方法可以使用NumPy只需几行代码就可以编写它？这些嵌套循环的计算工作量是巨大的。我觉得NumPy可以显著优化它。

您当然可以使用：

转化为

Z = np.einsum('mebj,meai->iabj', X,Y) * 2

---

这太棒了！我检查了计算时间：

6个嵌套循环：0.14539456367492676

np.einsum:0.000209808349609375

也与

np.einsum（'mebj，meai，…->iabj'，X，Y，2）

相同。不过，我不确定这是否更快。

Z = np.einsum('mebj,meai->iabj', X,Y) * 2