2

我正在寻找一种方法来避免以下代码段中的嵌套循环，其中A和B是二维数组，每个形状都(m, n)带有m，nbeeing 任意正整数：

import numpy as np

m, n = 5, 2
a = randint(0, 10, (m, n))
b = randint(0, 10, (m, n))

out = np.empty((n, n))
for i in range(n):
    for j in range(n):
        out[i, j] = np.sum(A[:, i] + B[:, j])

上面的逻辑大致等价于

np.einsum('ij,ik', A, B)

除了einsum计算产品的总和。

有没有一种方法，相当于einsum计算总和的总和？还是我必须为此操作编写扩展程序？

4

2 回答 2

2

einsum需要执行元素乘法，然后求和（可选）。因此，它可能不适用于/不需要解决我们的案例。继续阅读！

方法#1

我们可以利用broadcasting使得第一个轴对齐，第二个轴在将维度扩展到 之后按元素求和3D。最后，我们需要沿第一个轴求和 -

(A[:,:,None] + B[:,None,:]).sum(0)

方法#2

我们可以简单地对每个的柱状求和进行外加 -

A.sum(0)[:,None] + B.sum(0)

方法#3

因此，引入einsum——

np.einsum('ij->j',A)[:,None] + np.einsum('ij->j',B)
于 2018-06-21T10:01:11.260 回答
1

您也可以使用numpy.ufunc.outer，特别是在numpy.add.outer沿轴 0 求和后，如#approach 2 中提到的@Divakar

In [126]: numpy.add.outer(a.sum(0),  b.sum(0))
Out[126]: 
array([[54, 67],
       [43, 56]])
于 2018-06-21T11:09:32.150 回答