优化 Python 中的 2D-1D 操作

Question

pythonic-CPU优化应用乘法等简单运算的方法是什么：

• 沿 2D 阵列的一维
• 到 2D 数组其他维度的所有元素
• 根据另一个 1D 数组中的元素

？

例：

x=np.arange(150).reshape([50,3])
y=np.arange(50)+10

我想做：

np.array([x[i,:]*y[i] for i in range(50)])

但我想让它尽可能快，因为"50"可能是无数。

顺便说一下，这完全等同于：

np.array([x[i,:]*j for i,j in enumerate(y)])

？

---

我在这里做了一些更新，但终于打开了一个新问题

Answer 1

您可以使用

None或np.newaxis将新轴添加到y，以便它可以跨x广播：

x * y[:,None]

---

np.allclose((x * y[:,None]), np.array([x[i,:]*y[i] for i in range(50)]))
# True

Answer 2

另一种可能，使用阵列产品的瑞士军刀，那就是 np.einsum

In [9]: x=np.arange(150).reshape([50,3])
   ...: y=np.arange(50)+10
   ...: check=np.array([x[i,:]*y[i] for i in range(50)])
   ...: np.allclose(np.einsum('ji,j->ji', x, y),check)
Out[9]: True