python - vector/matrix `np.outer` 乘积是否有类似于 "outer"的函数？

Question

我想知道 numpy 中是否有一个功能与 np.outer 类似，但使用二维数组和向量作为输入参数。结果应该是一个 3 维数组。

例如，如果我有一个矩阵 M 和一个向量 v，我想将原始矩阵 M 堆叠 len(v) 次，每个“切片”是 M*v[j]，带有 j 位置参数。

它存在于 numpy 中还是我应该自己实现它(可能会降低性能)？

Answer 1

您可以使用普通的 array broadcasting 来做到这一点:

M = np.arange(9).reshape(3, 3)
# array([[0, 1, 2],
#        [3, 4, 5],
#        [6, 7, 8]])

v = np.arange(4)
# array([0, 1, 2, 3])

Mv = M[:, :, None] * v[None, None, :]
# array([[[ 0,  0,  0,  0],
#         [ 0,  1,  2,  3],
#         [ 0,  2,  4,  6]],

#        [[ 0,  3,  6,  9],
#         [ 0,  4,  8, 12],
#         [ 0,  5, 10, 15]],

#        [[ 0,  6, 12, 18],
#         [ 0,  7, 14, 21],
#         [ 0,  8, 16, 24]]])

# you could use np.newaxis in place of None (np.newaxis is just an alias of 
# None). you could also omit the 'None's in the indices into v:
# Mv = M[:, :, None] * v

# check
for jj in xrange(v.shape[0]):
    assert np.all(Mv[:, :, jj] == M * v[jj])