根据两个向量的差填充numpy矩阵

Question

是否可以numpy从函数构造矩阵？在这种情况下，该函数特别是两个向量的绝对差：S[i,j] = abs(A[i] - B[j])。一个使用常规python的最小工作示例：

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)

给予：

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

有一个看起来像这样的构造会很好：

def build_matrix(shape, input_function, *args)

我可以在其中传递带有参数的输入函数，并保留numpy的速度优势。

Answer 1

我建议看看numpy的广播功能：

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

然后，您可以简单地将函数编写为：

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]])

这也应该比大型阵列的解决方案要快得多。