Python 如何从两个不同数组的元素计算返回数组？

我有以下两个n元素的numpy数组：

A = np.array([2 5 8 9 8 7 5 6])
B = np.array([8 9 6 5 2 8 5 7])

我想获得数组C：

C = np.array([sqrt(2^2+8^2) sqrt(5^2+9^2) ... sqrt(6^2+7^2)])

也就是说，数组C将由n个元素组成；每个元素等于A中各个元素的平方根加上B中各个元素的平方

---

我尝试使用

np。沿\u轴应用\u

，但该函数似乎只针对一个数组设计。

如注释中所述，您可以使用：

C = np.sqrt(A**2 + B**2)

或者您可以使用

理解

和

邮政编码

：

C = [sqrt(a**2 + b**2) for a, b in zip(A,B)]

---

如评论中所述，您可以使用：

C = np.sqrt(A**2 + B**2)

或者您可以使用

理解

和

邮政编码

：

C = [sqrt(a**2 + b**2) for a, b in zip(A,B)]

---

如果数组的大小很大，考虑使用<代码> NP.Suth，而不是<代码> **/COD>运算符。

In [16]: np.sqrt(np.square(A) + np.square(B))
Out[16]: 
array([  8.24621125,  10.29563014,  10.        ,  10.29563014,
         8.24621125,  10.63014581,   7.07106781,   9.21954446])

---

不过，执行时间的差异非常小

In [13]: ar = np.arange(100000)

In [14]: %timeit np.square(ar)
10000 loops, best of 3: 158 µs per loop

In [15]: %timeit ar**2
10000 loops, best of 3: 179 µs per loop

---

如果数组的大小很大，考虑使用<代码> NP.Suth，而不是<代码> **/COD>运算符。

In [16]: np.sqrt(np.square(A) + np.square(B))
Out[16]: 
array([  8.24621125,  10.29563014,  10.        ,  10.29563014,
         8.24621125,  10.63014581,   7.07106781,   9.21954446])

---

不过，执行时间的差异非常小

In [13]: ar = np.arange(100000)

In [14]: %timeit np.square(ar)
10000 loops, best of 3: 158 µs per loop

In [15]: %timeit ar**2
10000 loops, best of 3: 179 µs per loop

---

为什么不使用矢量化UFUNC:

np.sqrt（A**2+B**2）

？为什么不使用矢量化UFUNC:

np.sqrt（A**2+B**2）

？