我编写了以下代码来进行矩阵排列的乘法运算，我想知道是否可以使用numpy风格重写它，以此来去掉那两个for循环:

Z = np.empty([new_d, X.shape[1]])Z = np.ndarray(shape=(new_d, X.shape[1]))Z = np.concatenate((X, X**2))res = []for i in range(0, d):    for j in range(i+1, d):        res.append(np.array(X.T[:,i]* X.T[:,j]))Z = np.concatenate((Z, res))

其中: X shape is (7, 1000), d = 7, new_d=35

有什么建议吗？

回答：

方法一

我们可以使用np.triu_indices来获取那些成对的排列索引，然后简单地执行按行索引数组的逐元素乘法 –

r,c = np.triu_indices(d,1)res = X[r]*X[c]

方法二

为了内存效率以及在处理大型数组时的性能，我们最好切片输入数组，并运行一个单一的循环，每次迭代处理数据块，如下所示 –

n = d-1idx = np.concatenate(( [0], np.arange(n,0,-1).cumsum() ))start, stop = idx[:-1], idx[1:]L = n*(n+1)//2res_out = np.empty((L,X.shape[1]), dtype=X.dtype)for i,(s0,s1) in enumerate(zip(start,stop)):    res_out[s0:s1] = X[i] * X[i+1:]

为了直接得到Z并因此避免所有那些连接操作，我们可以修改之前发布的方法，如下所示 –

n = d-1N = len(X)idx = 2*N + np.concatenate(( [0], np.arange(n,0,-1).cumsum() ))start, stop = idx[:-1], idx[1:]L = n*(n+1)//2Z_out = np.empty((2*N + L,X.shape[1]), dtype=X.dtype)Z_out[:N] = XZ_out[N:2*N] = X**2for i,(s0,s1) in enumerate(zip(start,stop)):    Z_out[s0:s1] = X[i] * X[i+1:]