Самый быстрый способ создать пустую матрицу с кратными вектора

Question

Пусть x, y будут двумя массивами из N элементов. Я хочу создать пустую матрицу, столбцы которой являются масштабированными версиями x. Например, скажем

m=[0.2, 0.4, 1.2]

Тогда я хочу матрицу

X = [0.2x+y, 0.4x+y, 1.2x+y]

Какой самый быстрый (самый простой, самый легкий, второй приоритет) способ сделать это.

В настоящее время я делаю что-то вроде этого.

ListVec = [m[i]*x+y for i in numpy.arange(len(m))]
X = numpy.array(ListVec).T

Answer 1

используйте сумма Эйнштейна для случая, когда X и Y являются массивами

In [70]: Y
Out[76]: array([5, 6, 7, 8, 9])

In [71]: X
Out[71]: array([0, 1, 2, 3, 4])

In [72]: m
Out[72]: [0.2, 0.4, 1.2]

In [73]: np.einsum('i,j', X, m)
Out[73]: 
array([[0. , 0. , 0. ],
       [0.2, 0.4, 1.2],
       [0.4, 0.8, 2.4],
       [0.6, 1.2, 3.6],
       [0.8, 1.6, 4.8]])

In [74]: Y[...,np.newaxis] + np.einsum('i,j', X, m)
Out[74]: 
array([[ 5. ,  5. ,  5. ],
       [ 6.2,  6.4,  7.2],
       [ 7.4,  7.8,  9.4],
       [ 8.6,  9.2, 11.6],
       [ 9.8, 10.6, 13.8]])

Answer 2

Было бы полезно, если бы вы привели пример x и y, а также m, но:

In [435]: x,y = np.array([1,2,3,4]), np.array([.1,.2,.3,.4])
In [436]: m = [.2,.4,1.2]

Итак, результат (3, N):

In [437]: np.array([i*x+y for i in m])
Out[437]: 
array([[0.3, 0.6, 0.9, 1.2],
       [0.5, 1. , 1.5, 2. ],
       [1.3, 2.6, 3.9, 5.2]])

вещание с m:

In [438]: np.array(m)[:,None]*x + y
Out[438]: 
array([[0.3, 0.6, 0.9, 1.2],
       [0.5, 1. , 1.5, 2. ],
       [1.3, 2.6, 3.9, 5.2]])

упс, я пропустил вашу транспонирование,

In [440]: np.array(m)*x[:,None] + y[:,None]
Out[440]: 
array([[0.3, 0.5, 1.3],
       [0.6, 1. , 2.6],
       [0.9, 1.5, 3.9],
       [1.2, 2. , 5.2]])

Я бы применил транспонирование к [438]

Answer 3

import numpy as np 
m = np.array([0.2, 0.4, 1.2])
x = 5
y = 3
X = m*x+y

Это называется трансляция в numpy (легко и быстро;))