Summe der quadratischen Differenz zwischen 2 Numpy Arrays

Question

Angenommen, ich habe die folgenden zwei Felder:

import numpy as np 
a=np.asarray([[1,2,4], 
     [3,1,2]]) 
b=np.asarray([[2,1,1], 
     [3,2,3], 
     [4,1,2], 
     [2,2,1],]) 

Für jede Zeile a_row in a, würde Ich mag die Summe der quadratischen Differenz zwischen a_row und jede Zeile in b erhalten . Das resultierende Array wäre ein 2 mal 4 Array. Das erwartete Ergebnis wäre die folgende:

array([[ 11., 5., 14., 10.], 
     [ 2., 2., 1., 3.]]) 

Ich habe bereits eine Lösung mit Schleife implementiert:

c=np.zeros((2,4)) 
for e in range(a.shape[0]): 
    c[e,:] = np.sum(np.square(b-a[e,:]),axis=1) 
print c 

Was ich brauche, ist eine voll vektorisiert Lösung, das heißt keine Schleife erforderlich ist.

Answer 1

ist ein Numpythonic Ansatz, indem einfach die b Umformung um in der Lage sein, um direkt die a davon zu subtrahieren:

>>> np.square(b[:,None] - a).sum(axis=2).T 
array([[11, 5, 14, 10], 
     [ 2, 2, 1, 3]]) 

Answer 2

Wenn Sie Zugriff auf SciPy, dann könnten Sie tun:

import scipy 
from scipy.spatial.distance import cdist 

import numpy as np 

a=np.asarray([[1,2,4], 
     [3,1,2]]) 
b=np.asarray([[2,1,1], 
     [3,2,3], 
     [4,1,2], 
     [2,2,1],]) 

x = cdist(a,b)**2 
# print x 
# array([[ 11., 5., 14., 10.], 
#  [ 2., 2., 1., 3.]]) 

Dies verwendet die cdist Funktion, die vektorisiert und schnell. Sie können mit numba oder cython möglicherweise etwas schneller werden, aber das hängt von der Größe Ihrer Arrays in der Praxis ab. Hier