如何向量化实现不等长NumPy数组相加得到n*m维数组？

你原来用嵌套循环实现的是数组A中每个元素和数组B中每个元素相加，再把结果展开成一维数组对吧？当数组规模变大时，Python的for循环确实会拖慢速度，毕竟Python循环的开销远高于NumPy底层的C实现。这里给你几种高效的向量化解决方案，都是纯NumPy操作，不用写循环：

方法一：利用广播机制（最简洁高效，首推） #

NumPy的广播特性可以自动处理不同形状数组的运算，完全不用手动扩展数组。我们只需要把A转换成列向量，然后直接和B相加，最后把结果展平就行：

import numpy as np

A = np.array([1,2,3,4])
B = np.array([1,2])

# 将A转为(4,1)的列向量，和B广播运算后展平
C = (A[:, np.newaxis] + B).ravel()
print(C)
# 输出：array([2, 3, 3, 4, 4, 5, 5, 6])

原理：A[:, np.newaxis]把原本形状为(4,)的A变成(4,1)的二维数组。当它和形状为(2,)的B相加时，NumPy会自动把两个数组都扩展成(4,2)的形状（A的每一行重复2次，B的每一列重复4次），对应元素相加后，用ravel()把二维数组压成一维，就和你循环得到的结果完全一致了。这种方法不需要额外复制数据，内存效率拉满，速度也是最快的。

方法二：用np.meshgrid生成网格后相加 #

如果你想更直观地看到元素的组合关系，可以用meshgrid生成两个网格数组，再相加展平：

# indexing='ij'保证生成的网格顺序和你的嵌套循环一致
A_grid, B_grid = np.meshgrid(A, B, indexing='ij')
C = (A_grid + B_grid).ravel()
print(C)

meshgrid会生成两个(4,2)的数组：A_grid的每一行都是A的元素，B_grid的每一列都是B的元素，两者相加后展平就得到目标结果。这种方法也很直观，但相比广播会多生成两个中间数组，内存占用略高一点。

方法三：手动扩展数组（repeat+tile） #

如果你想手动控制数组的扩展过程，可以用repeat重复A的元素，用tile重复B的序列，然后相加：

# 把A的每个元素重复len(B)次，得到[1,1,2,2,3,3,4,4]
A_repeated = np.repeat(A, len(B))
# 把B重复len(A)次，得到[1,2,1,2,1,2,1,2]
B_tiled = np.tile(B, len(A))
C = A_repeated + B_tiled
print(C)

这种方法逻辑很直白，但会生成两个和C一样大的中间数组，当A和B非常大的时候，内存开销会比较大，所以一般不如广播方法实用。

总的来说，广播机制是最优选择，既简洁又高效，完全适配大规模数组的运算场景。

内容的提问来源于stack exchange，提问作者nanda