如何使用NumPy内置方法计算一维数组元素间的相对差异并输出为二维数组？

嘿，这个需求完全不用写for循环，用NumPy自带的广播特性就能轻松搞定！我来给你拆解一下实现步骤：

首先从你的例子能看出来，二维结果数组里的每个位置(i,j)，对应的相对差异是 ((原数组第i个元素 - 原数组第j个元素) / 原数组第j个元素) * 100，对吧？刚好可以用NumPy的广播机制来实现元素级的批量运算。

具体代码实现看这里：

import numpy as np

# 定义你的一维数组
arr = np.array([1, 2, 3])

# 把一维数组转换成列向量，这样和原数组运算时会自动广播为二维数组
arr_column = arr.reshape(-1, 1)

# 计算相对差异，一步到位
relative_diff_matrix = ((arr_column - arr) / arr) * 100

# 打印结果看看
print(relative_diff_matrix)

运行这段代码后，输出的结果就是你想要的：

[[  0.         -50.         -66.66666667]
 [100.           0.         -33.33333333]
 [200.          50.           0.        ]]

和你给出的np.array([[0,-50,-100*2/3], [100,0,-100*1/3], [200,50,0]])完全一致，只是浮点数的显示形式不同而已。

这里的关键是NumPy的广播机制：当你把一维数组转成列向量（形状变成(3,1)）后，和原一维数组（形状(1,3)）进行运算时，NumPy会自动把两者都扩展成(3,3)的二维数组，然后逐个元素执行减法、除法和乘法操作，全程不需要手动循环，效率比写for loop高太多，尤其是处理大数组的时候优势特别明显。

备注：内容来源于stack exchange，提问作者TylerD