是否有更矢量化的方式来沿轴执行 numpy.outer？

【问题标题】：Is there a more vectorized way to perform numpy.outer along an axis?是否有更矢量化的方式来沿轴执行 numpy.outer？
【发布时间】：2013-05-11 18:29:33
【问题描述】：

>>> x = np.array([['a0', 'a1'],['b0','b1']])
>>> y = np.array([['x0', 'x1'],['y0','y1']])
>>> iterable = [np.outer(x[i],y[i]) for i in xrange(x.shape[0])]
>>> elbareti = np.asarray(iterable)
>>> elbareti
array([[[ 'a0'*'x0', 'a0'*'x1' ],
        [ 'a1'*'x0', 'a1'*'x1' ]],

       [[ 'b0'*'y0', 'b0'*'y1' ],
        [ 'b1'*'y0', 'b1'*'y1' ]]])

由于我计划使用大型数组，是否有类似 numpy 的版本？我觉得答案就在我的眼皮底下，我认为它与 reduce 有关，但 numpy 的版本仅适用于 ufuncs，而不适用于函数。即使是提示也将不胜感激。

提前致谢。

【问题讨论】：

注意：以上代码仅用于说明目的。它实际上不起作用......

标签： python numpy

【解决方案1】：

这就是你要找的吗？

x = np.array([[1,2], [3,4]])
y = np.array([[5,6], [7,8]])

x[:,:,np.newaxis] * y[:,np.newaxis,:]

array([[[ 5,  6],
        [10, 12]],

       [[21, 24],
        [28, 32]]])

编辑：

顺便说一句，查看实现总是很有用的。有助于理解“魔法”。 np.outer 看起来像这样：

return a.ravel()[:,newaxis]*b.ravel()[newaxis,:]

从这里开始，很容易。

另外，在你的问题中，你有：

[np.outer(x[i],y[i]) for i in xrange(x.shape[0])]

最好写成：

[np.outer(xx,yy) for xx,yy in izip(x,y)]

【讨论】：

哇。完美的！谢谢你，@shx2。