python - 如何在numpy中构造向量的所有可能差异的矩阵

Question

我有一个一维数组，可以说：

import numpy as np
inp_vec = np.array([1, 2, 3])

现在，我想构造一个形式的矩阵

[[1 - 1, 1 - 2, 1 - 3],
 [2 - 1, 2 - 2, 2 - 3],
 [3 - 1, 3 - 2, 3 - 3]])

当然它可以用 for 循环来完成，但有没有更优雅的方法来做到这一点？

Answer 1

这我也找到了一个不错的方法：

np.subtract.outer([1,2,3], [1,2,3])

Answer 2

这似乎有效：

In [1]: %paste
import numpy as np
inp_vec = np.array([1, 2, 3])

## -- End pasted text --

In [2]: inp_vec.reshape(-1, 1) - inp_vec
Out[2]: 
array([[ 0, -1, -2],
       [ 1,  0, -1],
       [ 2,  1,  0]])

解释：

您首先将数组重塑为nx1. 当您减去一维数组时，它们都被广播到nxn：

array([[ 1,  1,  1],
       [ 2,  2,  2],
       [ 3,  3,  3]])

和

array([[ 1,  2,  3],
       [ 1,  2,  3],
       [ 1,  2,  3]])

然后按元素进行减法，这会产生所需的结果。

Answer 3

import numpy as np
inp_vec = np.array([1, 2, 3])

a, b = np.meshgrid(inp_vec, inp_vec)
print(b - a)

输出：

Array([[ 0 -1 -2],
       [ 1  0 -1],
       [ 2  1  0]])

Answer 4

使用 np.nexaxis

import numpy as np
inp_vec = np.array([1, 2, 3])

output = inp_vec[:, np.newaxis] - inp_vec

输出

array([[ 0, -1, -2],
       [ 1,  0, -1],
       [ 2,  1,  0]])

Answer 5

这是一个快速而简单的替代方案。

import numpy as np
inp_vec = np.array([1, 2, 3])

N = len(inp_vec)
np.reshape(inp_vec,(N,1)) - np.reshape(inp_vec,(1,N))