创建具有多个向量的 numpy 矩阵的最快方法答案

【问题标题】：Fastest way to create a numpy matrix with multiples of a vector创建具有多个向量的 numpy 矩阵的最快方法
【发布时间】：2018-06-30 13:36:59
【问题描述】：

设 x,y 是两个包含 N 个元素的 numpy 数组。我想创建一个 numpy 矩阵，其列是 x 的缩放移位版本。例如，说

m=[0.2, 0.4, 1.2]

那我要矩阵

X = [0.2x+y, 0.4x+y, 1.2x+y]

最快（也是最简单，最简单的第二优先）方法是什么。

目前我正在做这样的事情。

ListVec = [m[i]*x+y for i in numpy.arange(len(m))]
X = numpy.array(ListVec).T

【问题讨论】：

标签： python numpy

【解决方案1】：

import numpy as np 
m = np.array([0.2, 0.4, 1.2])
x = 5
y = 3
X = m*x+y

这在 numpy 中称为broadcasting（既简单又快速；））

【讨论】：

x 和 y 是数组，而不是标量。
@hpaulj 我不确定。 OP 没有表明这一点，从描述来看，似乎 OP 正在寻找标量。无论如何，你和 CTZhu 也涵盖了数组案例。谢谢。

【解决方案2】：

当 X 和 Y 是数组时，使用 Einstein Summation

In [70]: Y
Out[76]: array([5, 6, 7, 8, 9])

In [71]: X
Out[71]: array([0, 1, 2, 3, 4])

In [72]: m
Out[72]: [0.2, 0.4, 1.2]

In [73]: np.einsum('i,j', X, m)
Out[73]: 
array([[0. , 0. , 0. ],
       [0.2, 0.4, 1.2],
       [0.4, 0.8, 2.4],
       [0.6, 1.2, 3.6],
       [0.8, 1.6, 4.8]])

In [74]: Y[...,np.newaxis] + np.einsum('i,j', X, m)
Out[74]: 
array([[ 5. ,  5. ,  5. ],
       [ 6.2,  6.4,  7.2],
       [ 7.4,  7.8,  9.4],
       [ 8.6,  9.2, 11.6],
       [ 9.8, 10.6, 13.8]])

【讨论】：

【解决方案3】：

如果您给出示例 x 和 y 以及 m 会有所帮助，但是：

In [435]: x,y = np.array([1,2,3,4]), np.array([.1,.2,.3,.4])
In [436]: m = [.2,.4,1.2]

所以结果是(3,N)：

In [437]: np.array([i*x+y for i in m])
Out[437]: 
array([[0.3, 0.6, 0.9, 1.2],
       [0.5, 1. , 1.5, 2. ],
       [1.3, 2.6, 3.9, 5.2]])

广播m:

In [438]: np.array(m)[:,None]*x + y
Out[438]: 
array([[0.3, 0.6, 0.9, 1.2],
       [0.5, 1. , 1.5, 2. ],
       [1.3, 2.6, 3.9, 5.2]])

哎呀，我错过了你的转置，

In [440]: np.array(m)*x[:,None] + y[:,None]
Out[440]: 
array([[0.3, 0.5, 1.3],
       [0.6, 1. , 2.6],
       [0.9, 1.5, 3.9],
       [1.2, 2. , 5.2]])

我会继续将转置应用到 [438]

【讨论】：