廣播與numpy的

Question

減少或擴展在下面的代碼我們計算所有對給定的點之間的矢量的大小。爲加快與NumPy此操作，我們可以使用廣播

import numpy as np 
points = np.random.rand(10,3) 

pair_vectors = points[:,np.newaxis,:] - points[np.newaxis,:,:] 
pair_dists = np.linalg.norm(pair_vectors,axis=2).shape 

或外產品迭代

it = np.nditer([points,points,None], flags=['external_loop'], op_axes=[[0,-1,1],[-1,0,1],None]) 
for a,b,c in it: 
    c[...] = b - a 
pair_vectors = it.operands[2] 
pair_dists = np.linalg.norm(pair_vectors,axis=2) 

我的問題是如何一個使用廣播或外產品迭代與形式10x10x6這裏創建一個數組最後一個軸包含一對（擴展）中兩個點的座標。並且以相關的方式，是否有可能直接使用廣播或外積迭代來計算配對距離，即，在不首先計算差異向量（減少）的情況下產生10x10形式的矩陣。

爲了澄清，下面的代碼創建使用慢循環所需的矩陣。

pair_coords = np.zeros(10,10,6) 
pair_dists = np.zeros(10,10) 
for i in range(10): 
    for j in range(10): 
     pair_coords[i,j,0:3] = points[i,:] 
     pair_coords[i,j,3:6] = points[j,:] 
     pair_dists[i,j] = np.linalg.norm(points[i,:]-points[j,:]) 

這是一個失敗的嘗試使用外積迭代計算遠離的（或應用任何其它函數，接受兩個點的6個座標中的一對，併產生一個標量）。

res = np.zeros((10,10)) 
it = np.nditer([points,points,res], flags=['reduce_ok','external_loop'], op_axes=[[0,-1,1],[-1,0,1],None]) 
for a,b,c in it: c[...] = np.linalg.norm(b-a) 
pair_dists = it.operands[2] 

Answer 1

下面就來產生量化的方式對這些陣列的方法 -

from itertools import product 
from scipy.spatial.distance import pdist, squareform 

N = points.shape[0] 

# Get indices for selecting rows off points array and stacking them 
idx = np.array(list(product(range(N),repeat=2))) 
p_coords = np.column_stack((points[idx[:,0]],points[idx[:,1]])).reshape(N,N,6) 

# Get the distances for upper triangular elements. 
# Then create a symmetric one for the final dists array. 
p_dists = squareform(pdist(points)) 

很少有其他量化方法在this post討論，所以看看有太多！