numpy.ufunc.outer#

метод

универсальная функция.outer(A, B, /, **kwargs)#

Применить ufunc op ко всем парам (a, b), где a в A и b в B.

Пусть M = A.ndim, N = B.ndim. Тогда результат, C, из op.outer(A, B) является массивом размерности M + N таким, что:

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

Для A и B одномерный, это эквивалентно:

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

Параметры:

Aarray_like: Первый массив
Barray_like: Второй массив
kwargsлюбой: Аргументы для передачи в ufunc. Обычно dtype или выход. См. ufunc для полного обзора всех доступных аргументов.

Возвращает:

rndarray: Выходной массив

Смотрите также

numpy.outer: Менее мощная версия np.multiply.outer что ravelпреобразует все входные данные в 1D. Существует в основном для совместимости со старым кодом.
tensordot: np.tensordot(a, b, axes=((), ())) и np.multiply.outer(a, b) вести себя одинаково для всех измерений a и b.

Примеры

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

Многомерный пример:

>>> 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]]]])