向量化numpy操作

Question

我有一个numpy数组，如下所示:

array([[2, 3],
[4, 6],
[6, 6]])

我对在每一行之间做点积运算很感兴趣。例如，假设我想将第一行与自身点对齐:

ans = x[0,:] @ x[0,:].T
ans = 13

第二个:

ans = x[1,:] @ x[1,:].T
ans = 52

ans = x[2,:] @ x[2,:].T
and = 72

在不使用numpy.apply_along_axis的情况下，是否有方法对该操作进行矢量化?期望的输出是

array([13, 52, 72])

不一定是这个特定的操作。具体来说，我正在执行一个支持向量机实现，我有几个核，我想对我的m x d特征矩阵进行矢量化。我该怎么做呢?

Answer 1

np.square(x[:,0]) + np.square(x[:,1])

输出

array([13, 52, 72], dtype=int32)

Answer 2

你可以做

numpy.linalg.norm(a,axis=1)**2

给出每一行的范数并对其平方