दो वैक्टरों के अंतर से numpy मैट्रिक्स पॉप्युलेट

Question

क्या किसी फ़ंक्शन से numpy मैट्रिक्स बनाना संभव है? इस मामले में विशेष रूप से कार्य दो वैक्टरों का पूर्ण अंतर है: S[i,j] = abs(A[i] - B[j])। एक न्यूनतम काम कर उदाहरण नियमित अजगर का उपयोग करता है:

import numpy as np 

A = np.array([1,3,6]) 
B = np.array([2,4,6]) 
S = np.zeros((3,3)) 

for i,x in enumerate(A): 
    for j,y in enumerate(B): 
     S[i,j] = abs(x-y) 

देता है:

[[ 1. 3. 5.] 
[ 1. 1. 3.] 
[ 4. 2. 0.]] 

यह एक निर्माण कि तरह दिखता है करने के लिए अच्छा होगा:

def build_matrix(shape, input_function, *args) 

जहां मैं एक पारित कर सकते हैं इसके तर्क के साथ इनपुट फ़ंक्शन और numpy के गति लाभ को बनाए रखें।

Answer 1

मैं numpy के प्रसारण क्षमताओं में देखने की अनुशंसा:

In [6]: np.abs(A[:,np.newaxis] - B) 
Out[6]: 
array([[1, 3, 5], 
     [1, 1, 3], 
     [4, 2, 0]]) 

http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html

तो आप बस अपने समारोह लिख सकता है के रूप में:

In [7]: def build_matrix(func,args): 
    ...:  return func(*args) 
    ...: 

In [8]: def f1(A,B): 
    ...:  return np.abs(A[:,np.newaxis] - B) 
    ...: 

In [9]: build_matrix(f1,(A,B)) 
Out[9]: 
array([[1, 3, 5], 
     [1, 1, 3], 
     [4, 2, 0]]) 

यह भी काफी की तुलना में तेजी से किया जाना चाहिए अपने बड़े सरणी के लिए समाधान।

Answer 2

@ जोशएडेल ने जो सुझाव दिया है उसके अतिरिक्त, आप दो एरे के मामले में प्रसारण करने के लिए किसी भी numpy ufunc के outer method का भी उपयोग कर सकते हैं।

इस मामले में, आप बस np.subtract.outer(A, B) (या, इसके बजाय, इसके पूर्ण मूल्य) चाहते हैं।

जबकि कोई भी इस उदाहरण के लिए काफी पठनीय है, कुछ मामलों में प्रसारण अधिक उपयोगी है, जबकि अन्य में यूफुनक विधियों का उपयोग क्लीनर है।

किसी भी तरह से, यह दोनों चाल जानने के लिए उपयोगी है।

उदा।

import numpy as np 

A = np.array([1,3,6]) 
B = np.array([2,4,6]) 

diff = np.subtract.outer(A, B) 
result = np.abs(diff) 

मूल रूप से, आप किसी भी numpy साथ outer, accumulate, reduce, और reduceat उपयोग कर सकते हैं ufunc ऐसे subtract, multiply, divide, या logical_and की तरह भी बातें, आदि

उदाहरण के लिए के रूप में, np.cumsum बराबर है np.add.accumulate पर। इसका मतलब है कि अगर आपको इसकी आवश्यकता भी हो तो cumdivnp.divide.accumulate द्वारा कुछ लागू कर सकते हैं।