我有两个形状为(n,m)的numpy数组x和形状为(p,)的y。我想对所有可能的对x[k, i]和y[j]求和，以创建形状为(n, m*p)的新numpy数组z。
一个天真的算法是：
import numpy as np
# some code
z = np.empty((n, m*p))
for k in range(n):
for i in range(m):
for j in range(p):
z[k, i + m * j] = x[k, i] + y[j]
该算法具有多项式复杂度：O(n*m*p)知道我正在用$n~1e6$处理数组，我正在寻找一种使用numpy和/或panda的力量的更有效的算法。
我做了一些研究，找到了一个可能的解决方案：求和所有可能对的有效方法
但它不适合我的特定问题，我的意思是我可以使用它，但它仍然不会像我用一个循环迭代那样是蟒蛇式的(对于n=1，该解决方案是可重用的，无需太多努力(。
正如其他人在评论中所说，没有提高复杂性，而是利用了矢量化和内存邻接性：
np.add.outer(X,y).reshape(len(X), -1)