numpy.outer #
- 麻木的。外部( a , b , out = None ) [来源] #
计算两个向量的外积。
给定两个长度分别为 和 的向量a和b，外积[1]为：
MN[[a_0*b_0 a_0*b_1 ... a_0*b_{N-1} ] [a_1*b_0 . [ ... . [a_{M-1}*b_0 a_{M-1}*b_{N-1} ]]
- 参数：
- 一个(M,) 类数组
第一个输入向量。如果输入还不是一维的，则将其展平。
- b (N,) 类数组
第二个输入向量。如果输入还不是一维的，则将其展平。
- out (M, N) ndarray，可选
存储结果的位置
1.9.0 版本中的新增功能。
- 返回：
- 输出(M, N) ndarray
out[i, j] = a[i] * b[j]
也可以看看
innereinsumeinsum('i,j->ij', a.ravel(), b.ravel())是等价的。ufunc.outer对一维以外的维度和其他操作的概括。是等价的。
np.multiply.outer(a.ravel(), b.ravel())tensordotnp.tensordot(a.ravel(), b.ravel(), axes=((), ()))是等价的。
参考
[ 1 ]GH Golub 和 CF Van Loan，《矩阵计算》，第 3 版，巴尔的摩，马里兰州，约翰·霍普金斯大学出版社，1996 年，第 17 页。 8.
例子
制作一个（非常粗糙的）网格来计算 Mandelbrot 集：
>>> rl = np.outer(np.ones((5,)), np.linspace(-2, 2, 5)) >>> rl array([[-2., -1., 0., 1., 2.], [-2., -1., 0., 1., 2.], [-2., -1., 0., 1., 2.], [-2., -1., 0., 1., 2.], [-2., -1., 0., 1., 2.]]) >>> im = np.outer(1j*np.linspace(2, -2, 5), np.ones((5,))) >>> im array([[0.+2.j, 0.+2.j, 0.+2.j, 0.+2.j, 0.+2.j], [0.+1.j, 0.+1.j, 0.+1.j, 0.+1.j, 0.+1.j], [0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j], [0.-1.j, 0.-1.j, 0.-1.j, 0.-1.j, 0.-1.j], [0.-2.j, 0.-2.j, 0.-2.j, 0.-2.j, 0.-2.j]]) >>> grid = rl + im >>> grid array([[-2.+2.j, -1.+2.j, 0.+2.j, 1.+2.j, 2.+2.j], [-2.+1.j, -1.+1.j, 0.+1.j, 1.+1.j, 2.+1.j], [-2.+0.j, -1.+0.j, 0.+0.j, 1.+0.j, 2.+0.j], [-2.-1.j, -1.-1.j, 0.-1.j, 1.-1.j, 2.-1.j], [-2.-2.j, -1.-2.j, 0.-2.j, 1.-2.j, 2.-2.j]])
使用字母“向量”的示例：
>>> x = np.array(['a', 'b', 'c'], dtype=object) >>> np.outer(x, [1, 2, 3]) array([['a', 'aa', 'aaa'], ['b', 'bb', 'bbb'], ['c', 'cc', 'ccc']], dtype=object)