如何使用Numpy高效计算数组间的元素级最小绝对差

嘿，这个需求用Numpy的向量化操作就能完美解决，彻底摆脱慢到离谱的Python逐元素循环，尤其是当你的数组规模比较大的时候，性能提升会特别明显！

核心思路 #

1. 先把你的列表转换成Numpy数组，这样就能利用Numpy的广播特性直接做元素级运算
2. 计算数组a和b的绝对差值（Numpy会自动把一维的b广播成和a同形状的数组，对应列做减法）
3. 对每一列的绝对差值取最小值，得到最终的结果数组c

具体代码实现 #

import numpy as np

# 原数据转成Numpy数组
a = np.array([[11, 2, 3, 4, 5], [4, 4, 6, 1, -2]])
b = np.array([1, 3, 12, 0, 0])

# 计算绝对差值，然后按列取最小值
c = np.abs(a - b).min(axis=0)

print(c)  # 输出: [3 1 6 1 2]

为什么这比循环快？ #

Numpy的操作是向量化的，底层是用优化过的C代码实现的，完全避开了Python解释器循环的额外开销。哪怕你的数组是(n, m)中n和m都很大的情况，这个方法的效率都会比手写Python循环高几个数量级。

内容的提问来源于stack exchange，提问作者sixtytrees