我想计算相对于矩阵中所有其他行向量的行向量的距离之和。因此，结果必须是一个方矩阵。
对于矩阵M：
| a b c | | v1 |
M = | | = | |
| c d e | | v2 |
我想计算：
| (a-a)+(b-b)+(c-c) (a-c)+(b-d)+(c-e) | | v1-v1 v1-v2 |
M = | | = | |
| (c-a)+(d-b)+(e-c) (c-c)+(d-d)+(e-e) | | v2-v1 v2-v2 |
我知道我可以在嵌套for循环中执行此操作，但是有没有更优雅的方法将此操作或类似的任何其他操作应用于具有numpy的矩阵？
使用broadcasting-
(M[:,None,:]- M).sum(2)
样品运行-
In [41]: M
Out[41]:
array([[8, 3, 2],
[6, 1, 2]])
In [42]: (M[:,None,:]- M).sum(2)
Out[42]:
array([[ 0, 4],
[-4, 0]])
如果M是NumPy矩阵，请np.asarray()使用进入其中，然后使用它，就像这样-
M_arr = np.asarray(M)
out = np.asmatrix((M_arr[:,None,:]- M_arr).sum(2))
样品运行-
In [69]: M = np.asmatrix(np.random.randint(0,9,(2,3)))
In [70]: M
Out[70]:
matrix([[3, 8, 8],
[0, 5, 0]])
In [71]: M_arr = np.asarray(M)
In [72]: np.asmatrix((M_arr[:,None,:]- M_arr).sum(2))
Out[72]:
matrix([[ 0, 14],
[-14, 0]])
我们还要验证一下我们是否确实在使用np.asarray()-
In [73]: np.may_share_memory(M, M_arr)
Out[73]: True
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句