numpy.einsum仅支持乘法？多运算组合的等效数组操作实现问询

好问题！首先得明确：numpy.einsum确实只支持乘法和求和操作，你设想的那种通过operations参数指定加减乘混合运算的语法，目前在numpy里是不存在的——毕竟einsum的核心是爱因斯坦求和约定，本质就是对指定维度的乘积做缩并求和，没法直接扩展到自定义的混合运算链。

不过你要实现的这个列表推导式，完全可以通过numpy的广播机制或者结合einsum做乘法部分，来实现高效的向量化操作，彻底替代Python循环。

先拆解你的原表达式：

np.array([x[i,:]-j*t[:,i]+u[i]*v[i,:] for i,j in enumerate(y)])

我们逐个分析每个项的维度对应关系：

• x[i,:]：直接取x的第i行，对应最终结果的第i行
• j*t[:,i]：j是y的第i个元素（标量），t[:,i]是t的第i列（维度(n,)），两者相乘后是(n,)的数组
• u[i]*v[i,:]：u[i]是标量，v[i,:]是v的第i行（维度(n,)），相乘后也是(n,)的数组

方案1：用广播直接实现 #

利用numpy的广播特性，我们可以把所有操作都转化为维度匹配的数组运算：

result = x - y[:, None] * t.T + u[:, None] * v

这里的细节：

• y[:, None]把形状为(N,)的y变成(N,1)，这样和转置后的t.T（形状(N,n)）相乘时，会自动广播到(N,n)的维度，正好对应每个y[i] * t[:,i]
• u[:, None]同理，把(N,)的u变成(N,1)，和(N,n)的v相乘后得到(N,n)的数组，对应每个u[i] * v[i,:]
• 所有项的维度都是(N,n)，可以直接做逐元素的加减操作，结果和原列表推导式完全一致

方案2：结合einsum实现乘法部分 #

如果你更习惯用einsum来明确维度对应关系，也可以用einsum处理乘法项，再做加减：

term2 = np.einsum('i,ji->ij', y, t)  # 对应y[i] * t[:,i]，输出(N,n)
term3 = np.einsum('i,ij->ij', u, v)  # 对应u[i] * v[i,:]，输出(N,n)
result = x - term2 + term3

这种方式的可读性更强，尤其是当你需要明确指定维度的对应关系时，einsum的语法能清晰表达“i维度的标量乘ji维度的数组，得到ij维度的结果”。

为什么不用循环？ #

不管用哪种方案，都比原列表推导式的Python循环高效得多——numpy的向量化操作是在C底层执行的，当N很大时，性能差距会非常明显，同时代码也更简洁易维护。

内容的提问来源于stack exchange，提问作者Stéphane