如何高效实现Numpy数组逐行减多行并新增维度？

现有形状为(x, y)的Numpy数组A，和包含100个行向量的数组B（形状为(100, y)），需要让A的每一行分别减去B的每一行，最终得到形状为(x, y, 100)的结果数组。

你提供的循环拼接方法效率较低，尤其是当数组规模较大时，可利用Numpy的广播机制实现高效运算，无需Python级循环：

实现代码 #

import numpy as np

# 假设A形状为(x, y)，B形状为(100, y)
# 扩展维度后利用广播完成批量减法
result = A[:, :, np.newaxis] - B.T[np.newaxis, :, :]

原理说明 #

• Numpy广播会自动匹配维度：A扩展后的(x, y, 1)与B转置并扩展后的(1, y, 100)，会被广播为(x, y, 100)的形状，直接完成逐元素减法运算。
• 这种方式依托Numpy底层C实现的向量运算，比Python循环的效率高出几个数量级，且内存占用更优。

结果验证 #

运行代码后，可通过print(result.shape)确认输出形状为(x, y, 100)。

内容的提问来源于stack exchange，提问作者JobHunter69