遍历ndarray时获取相邻列元素运算的NumPy优化实现方法

你当前使用列表推导遍历的方式属于Python层面的循环，NumPy本身提供了原生的向量化运算能力，完全不需要手动写遍历逻辑，执行效率更高，也天然适配高维数组场景。

针对你给出的示例场景 #

你的示例中实际是取二维数组的第一行和第二行对应位置元素相乘，直接对两个行向量用*运算即可：

import numpy as np

s = np.array([[0, 1, 2], [3, 4, 5]], np.int32)
res = s[0] * s[1]
# 输出：array([ 0,  4, 10])，和你现有实现的结果完全一致

如果你需要实现相邻列对应元素相乘 #

如果是要将每一列和相邻的下一列对应位置元素相乘，用切片操作取对应范围直接运算即可：

# 示例：3行4列的二维数组
s = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]], np.int32)
# 切片[:, :-1]取所有行的前n-1列，[:, 1:]取所有行的后n-1列，直接相乘得到结果
res = s[:, :-1] * s[:, 1:]
# 输出3行3列的结果：
# array([[ 2,  6, 12],
#        [30, 42, 56],
#        [90, 110, 132]])

关于strides的说明 #

你提到的strides机制一般用于实现滑动窗口、数组视图重构等复杂操作，这类简单的对应元素运算不需要用到strides，切片+广播的方案已经足够简洁高效。

如果是更高维度的数组，只要调整切片对应的维度索引即可，不需要修改逻辑框架，适配性很强。

内容的提问来源于stack exchange，提问作者highpost