两个numpy数组的平均绝对差

Question

我有两个一维 NumPy 数组 X 和 Y。我需要计算 X 的每个元素与 Y 的每个元素之间的平均绝对差。天真的方法是使用嵌套的 for 循环：

import numpy as np
np.random.seed(1)
X = np.random.randint(10, size=10)
Y = np.random.randint(10, size=10)

s = 0
for x in X:
    for y in Y:
        s += abs(x - y)
mean = s / (X.size * Y.size)
#3.4399999999999999

问题：NumPy 是否提供该解决方案的矢量化、更快的版本？

已编辑： 我需要平均绝对差异（始终为非负数）。抱歉造成混淆。

Answer 1

取差，然后取abs，然后取均值：

np.mean(np.abs(X - Y))

或者：

diff = X - Y
abs_diff = np.abs(diff)
mean_diff = np.sum(abs_diff) / (X.size * Y.size)

Answer 2

如果您在相反的轴上平铺，那么您可以 abs 差异如下：

代码：

x = np.tile(X, (X.size, 1))
y = np.transpose(np.tile(Y, (Y.size, 1)))

mean_diff = np.sum(np.abs(x-y)) / (X.size * Y.size))

测试代码：

import numpy as np
X = np.random.randint(10, size=10)
Y = np.random.randint(10, size=10)

s = 0
for x in X:
    for y in Y:
        s += abs(x - y)
mean = s / (X.size * Y.size)
print(mean)

x = np.tile(X, (X.size, 1))
y = np.transpose(np.tile(Y, (Y.size, 1)))

print(np.sum(np.abs(x-y)) / (X.size * Y.size))

结果：

3.48
3.48

Answer 3

如果我正确理解你在这里的定义，你可以使用广播。

np.mean(np.abs(X[:, None] - Y))

两个numpy数组的平均绝对差

Mean absolute difference of two numpy arrays

numpy

difference

代码：

测试代码：

结果：