5

我有这个数组

   A = array([[-0.49740509, -0.48618909, -0.49145315],
   [-0.48959259, -0.48618909, -0.49145315],
   [-0.49740509, -0.47837659, -0.49145315],
   ..., 
   [ 0.03079315, -0.01194593, -0.06872366],
   [ 0.03054901, -0.01170179, -0.06872366],
   [ 0.03079315, -0.01170179, -0.06872366]])

这是 3D 矢量的集合。我想知道是否可以使用向量运算来获得一个具有每个向量范数的数组。

我试过了，norm(A)但没有用。

4

4 回答 4

9

手动操作可能是最快的（尽管总有一些我没有想到的巧妙技巧）：

In [75]: from numpy import random, array

In [76]: from numpy.linalg import norm

In [77]: 

In [77]: A = random.rand(1000,3)

In [78]: timeit normedA_0 = array([norm(v) for v in A])
100 loops, best of 3: 16.5 ms per loop

In [79]: timeit normedA_1 = array(map(norm, A))
100 loops, best of 3: 16.9 ms per loop

In [80]: timeit normedA_2 = map(norm, A)
100 loops, best of 3: 16.7 ms per loop

In [81]: timeit normedA_4 = (A*A).sum(axis=1)**0.5
10000 loops, best of 3: 46.2 us per loop

这假设一切都是真实的。如果那不是真的，可以乘以共轭。

更新：Eric 的 using 建议math.sqrt不起作用——它不处理 numpy 数组——但使用 sqrt 而不是的想法**0.5是一个很好的想法，所以让我们测试一下。

In [114]: timeit normedA_4 = (A*A).sum(axis=1)**0.5
10000 loops, best of 3: 46.2 us per loop

In [115]: from numpy import sqrt

In [116]: timeit normedA_4 = sqrt((A*A).sum(axis=1))
10000 loops, best of 3: 45.8 us per loop

我试了几次，这是我看到的最大的不同。

于 2012-05-20T15:09:54.340 回答
1

只是有同样的问题，也许回答迟了，但这应该对其他人有所帮助。您可以在规范函数中使用轴参数

norm(A, axis=1)
于 2020-05-13T09:35:55.607 回答
0

这个方法怎么样？此外，您可能想在帖子中添加一个 [numpy] 标签。

于 2012-05-20T14:55:32.420 回答
0

从未使用过 numpy，我猜：

normedA = array(norm(v) for v in A)
于 2012-05-20T14:57:03.130 回答