【发布时间】：2018-11-21 18:23:58
【问题描述】：
我从一个形状为 (n,d) 的数组开始，其中包含 n 个长度为 d 维的粒子向量，并且想要构造一个包含形状为 (n, n,d) 我将继续使用它来计算牛顿模拟中的力等。
我希望能够将其推广到任意数量的维度，因此位置向量可以是任意 d，并提出了以下内容，在 a时间到一个列表中，然后我将其转换回一个数组。但这看起来很笨重，而且，既然它一定是一个如此常见的操作，我不禁想到有一些内置的 numpy 魔法可以更快地执行这个操作。
def delta_matrix(pos_vec):
build=[]
for i in pos_vec:
build.append(i-pos_vec)
return np.array(build)
特别是，是否有一个 numpy 方法可以执行这种迭代类型的操作？
【问题讨论】：
-
pos_vec[:,None] - pos_vec? -
是的，这就是我一直在寻找的东西——我仍然要完全掌握广播的细节——但是当我将如此产生的结果与更传统的迭代方法进行比较时，它们是非常快。