如何在Python中快速计算3D点的向量差矩阵？

直接利用NumPy的广播机制就能高效实现，完全不需要循环，具体步骤如下：

代码示例 #

import numpy as np

# 示例输入点集
b = [[0,0,1], [1,0,2], [2,3,4]]
# 将列表转换为NumPy数组
b_np = np.array(b)

# 计算向量差矩阵：m[i][j] = b_i - b_j
m = b_np[:, np.newaxis, :] - b_np[np.newaxis, :, :]

# 输出结果验证
print(m)

原理说明 #

• b_np[:, np.newaxis, :] 将原数组从 (n,3) 形状扩展为 (n,1,3)，相当于把每个点作为独立的行向量组
• b_np[np.newaxis, :, :] 扩展为 (1,n,3)，相当于把每个点作为独立的列向量组
• 两者相减时，NumPy会自动触发广播机制，让每个行向量（b_i）减去所有列向量（b_j），最终得到形状为 (n,n,3) 的结果矩阵，完全匹配需求中 m_ij = b_i - b_j 的定义

这种方法依托NumPy的底层C优化实现，计算效率远高于Python原生循环，即使处理大规模点集也能保持高效。

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