如何使用Numpy无循环实现不同尺寸数组的逐元素相减

当然有办法！Numpy的广播机制就是为这种多维数组元素对运算设计的，完全不用写循环，代码简洁还高效。

核心思路 #

你的需求是把A(n×1)的每个元素和B(m×1)的每个元素做减法，得到m×n的矩阵C，其中c(i,j) = A(j) - B(i)（对应矩阵的第i行第j列）。利用Numpy的广播，我们只需要调整数组的维度，让它们能自动扩展匹配形状，直接做减法即可。

方法一：广播直接运算 #

先看代码示例：

import numpy as np

# 示例数组
A = np.array([[1], [2], [3]])  # 形状(3,1)，n=3
B = np.array([[4], [5]])       # 形状(2,1)，m=2

# 转置A为(1,3)，和B(2,1)广播后相减，得到(2,3)的结果矩阵
C = A.T - B

运行后C的结果是：

[[-3, -2, -1],
 [-4, -3, -2]]

原理说明：

• A.T把A从(3,1)转成(1,3)，B保持(2,1)
• Numpy会自动把A.T扩展成(2,3)（每一行都是[1,2,3]），把B扩展成(2,3)（每一列都是[4,5]）
• 然后逐元素相减，得到目标矩阵

方法二：用np.subtract.outer更直观 #

如果你觉得调整形状有点绕，可以用Numpy的outer函数，专门处理这种“元素对”运算：

# outer计算A每个元素减B每个元素，得到(3,2)的矩阵，转置后就是(2,3)
C = np.subtract.outer(A, B).T

这个方法的逻辑更直接：np.subtract.outer(A,B)会生成一个(n,m)的矩阵，每个元素是A[i]-B[j]，转置后就得到你需要的m×n矩阵。

注意点 #

如果你的需求是c(i,j) = A(i) - B(j)（即矩阵是n×m），那直接用A - B.T就可以得到，不需要转置。根据你的最终矩阵维度需求调整即可。

内容的提问来源于stack exchange，提问作者Saeed Reza Kheradpisheh