numpy.ufunc.outer#

方法

ufunc.outer(A, B, /, **kwargs)#

將 ufunc op 應用於 A 中的 a 和 B 中的 b 的所有配對 (a, b)。

令 M = A.ndim, N = B.ndim。則 op.outer(A, B) 的結果 C 是一個維度為 M + N 的陣列，使得

\[C[i_0, ..., i_{M-1}, j_0, ..., j_{N-1}] = op(A[i_0, ..., i_{M-1}], B[j_0, ..., j_{N-1}])\]

對於一維的 A 和 B，這等同於

r = empty(len(A),len(B))
for i in range(len(A)):
    for j in range(len(B)):
        r[i,j] = op(A[i], B[j])  # op = ufunc in question
參數:
Aarray_like

第一個陣列

Barray_like

第二個陣列

kwargsany

要傳遞給 ufunc 的參數。通常為 dtype 或 out。請參閱 ufunc 以獲得所有可用參數的完整概述。

返回:
rndarray

輸出陣列

另請參閱

numpy.outer

功能較弱版本的 np.multiply.outer，它將所有輸入 ravel 成 1D。這主要是為了與舊程式碼相容而存在。

tensordot

np.tensordot(a, b, axes=((), ())) 和 np.multiply.outer(a, b) 對於 a 和 b 的所有維度行為相同。

範例

>>> np.multiply.outer([1, 2, 3], [4, 5, 6])
array([[ 4,  5,  6],
       [ 8, 10, 12],
       [12, 15, 18]])

多維範例

>>> A = np.array([[1, 2, 3], [4, 5, 6]])
>>> A.shape
(2, 3)
>>> B = np.array([[1, 2, 3, 4]])
>>> B.shape
(1, 4)
>>> C = np.multiply.outer(A, B)
>>> C.shape; C
(2, 3, 1, 4)
array([[[[ 1,  2,  3,  4]],
        [[ 2,  4,  6,  8]],
        [[ 3,  6,  9, 12]]],
       [[[ 4,  8, 12, 16]],
        [[ 5, 10, 15, 20]],
        [[ 6, 12, 18, 24]]]])
在本頁中