使用 numpy einsum 计算矩阵列向量的内积 [英] Using numpy einsum to compute inner product of column-vectors of a matrix

问题描述

假设我有一个像这样的 numpy 矩阵:

Suppose I have a numpy matrix like this:

[[   1    2    3]
 [  10  100 1000]]

我想计算每列与其自身的内积，所以结果是:

I would like to compute the inner product of each column with itself, so the result would be:

[1*1 + 10*10    2*2 + 100*100    3*3 + 1000*1000] == [101, 10004, 1000009]

我想知道是否可以使用 einsum 函数(并更好地理解它).

I would like to know if this is possible using the einsum function (and to better understand it).

到目前为止，我能得到的最接近的结果是:

So far, the closest result I could have is:

import numpy as np

arr = np.array([[1, 2, 3], [10, 100, 1000]])

res = np.einsum('ij,ik->jk', arr, arr)

# [[    101    1002   10003]
#  [   1002   10004  100006]
#  [  10003  100006 1000009]]

对角线包含预期结果，但我想知道是否可以避免边缘计算.

The diagonal contains the expected result, but I would like to know if I can avoid edge calculations.

推荐答案

使用 np.einsum，就像这样 -

Use np.einsum, like so -

np.einsum('ij,ij->j',arr,arr)

样品运行 -

In [243]: np.einsum('ij,ij->j',arr,arr)
Out[243]: array([    101,   10004, 1000009])

或者用 np.sum -

In [244]: (arr**2).sum(0)
Out[244]: array([    101,   10004, 1000009])

或者使用 numexpr 模块 -

Or with numexpr module -

In [248]: import numexpr as ne

In [249]: ne.evaluate('sum(arr**2,0)')
Out[249]: array([    101,   10004, 1000009])

这篇关于使用 numpy einsum 计算矩阵列向量的内积的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！