1

我有以下两个数组：

foo = np.array([1,2,3,4,5,6,7,8,9])

和

bar = np.array([k1, k2, k3])

在哪里

k1 = np.array([[1],[2]])
k2 = np.array([[4],[6]])
k3 = np.array([[9],[3]])

我想找到 和的elementwise outer product每三分之一。换句话说， foo 在被输入之前需要重新排列如下：foobarnp.outer

[array([1, 2, 3]), array([4, 5, 6]), array([7, 8, 9])]

这是我所做的。

def elmntwise_outer_prod(arr1, arr2):
    arr1 = np.split(arr1, 3)
    out = [np.outer(val1, val2) for val1, val2 in zip(arr1, arr2)]
    return np.array(out)

现在，当我这样做时，elmntwise_outer_prod(foo, bar)它给了我想要的输出

array([[[ 1,  2],
    [ 2,  4],
    [ 3,  6]],

   [[16, 24],
    [20, 30],
    [24, 36]],

   [[63, 21],
    [72, 24],
    [81, 27]]])

问题有没有更好的方法来做到这一点？特别是np.einsum，如果有的话，我怎样才能更有效地编写这个？我已经阅读了解决类似问题的先前问题，但我似乎无法理解这一点。我也读过这个博文 RE np.einsum。

有什么帮助吗？

4

1 回答 1

3

没有涉及减和，所以我们可以简单地使用broadcasting-

(foo.reshape(-1,3)[:,None,:]*bar).swapaxes(1,2)
# or foo.reshape(-1,3)[...,None]*bar[:,None,:,0]

如果你必须使用np.einsum-

np.einsum('ij,ikl->ijk',foo.reshape(-1,3), bar)
于 2018-02-10T08:43:25.670 回答