numpy.ufunc.outer #
方法
- ufunc。外部( A , B , / , ** kwargs ) #
将 ufunc运算应用于所有对 (a, b),其中 a 在A中,b 在B中。
让,。那么结果C是 一个维度为 M + N 的数组,使得:
M = A.ndim
N = B.ndim
op.outer(A, B)
\[C[i_0, ..., i_{M-1}, j_0, ..., j_{N-1}] = op(A[i_0, ..., i_{M-1}], B[j_0, ..., j_{N-1}])\]对于一维A和B,这相当于:
r = empty(len(A),len(B)) for i in range(len(A)): for j in range(len(B)): r[i,j] = op(A[i], B[j]) # op = ufunc in question
- 参数:
- 返回:
- r ndarray
输出数组
也可以看看
numpy.outer
一个不太强大的版本是一
np.multiply.outer
维ravel
的所有输入。这主要是为了与旧代码兼容。tensordot
np.tensordot(a, b, axes=((), ()))
并且对于 a 和 b 的所有维度表现相同。np.multiply.outer(a, b)
例子
>>> np.multiply.outer([1, 2, 3], [4, 5, 6]) array([[ 4, 5, 6], [ 8, 10, 12], [12, 15, 18]])
多维示例:
>>> A = np.array([[1, 2, 3], [4, 5, 6]]) >>> A.shape (2, 3) >>> B = np.array([[1, 2, 3, 4]]) >>> B.shape (1, 4) >>> C = np.multiply.outer(A, B) >>> C.shape; C (2, 3, 1, 4) array([[[[ 1, 2, 3, 4]], [[ 2, 4, 6, 8]], [[ 3, 6, 9, 12]]], [[[ 4, 8, 12, 16]], [[ 5, 10, 15, 20]], [[ 6, 12, 18, 24]]]])