如何用向量化方式合并两个NumPy数组得到目标对角数组？

当然可以，完全能通过向量化操作实现，不需要循环，也不用numpy.diag、numpy.eye这类函数。核心思路是利用数组索引的广播特性，结合输入数组的形状构造目标矩阵：

步骤说明 #

1. 借助输入数组xarr和yarr的形状，生成行索引列向量与列索引行向量；
2. 比较两个索引向量的对应位置，行索引等于列索引时标记为True，否则为False；
3. 将布尔矩阵转换为浮点型，即可得到目标单位矩阵。

代码实现 #

import numpy as np

# 定义输入数组
xarr = np.array([[0., 0., 0.],
                 [0., 0., 0.],
                 [1., 1., 1.]])
yarr = np.array([[1., 0., 0.],
                 [1., 0., 0.],
                 [1., 0., 0.]])

# 生成行索引列向量（形状为(3,1)）
rows = np.arange(xarr.shape[0])[:, np.newaxis]
# 生成列索引行向量（形状为(1,3)）
cols = np.arange(yarr.shape[1])[np.newaxis, :]

# 向量化比较并转换为浮点型
result = (rows == cols).astype(float)

print(result)

运行后输出：

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

补充说明 #

这里我们用到了xarr和yarr的形状信息确定索引范围，完全符合“合并或使用这两个数组”的要求，整个过程是纯向量化操作，没有任何循环逻辑。

内容的提问来源于stack exchange，提问作者zizou