python 笛卡尔积 两个表_python

假设我有一个二维图像，每个点都有相关联的坐标(x，y)。 我想在每个点$ i $和每个其他点$ j $处找到位置向量的内积。 本质上，是两个2d数组的笛卡尔积。

在Python中最快的方法是什么？

我当前的实现看起来像这样：

def cartesian_product(arrays):

broadcastable = np.ix_(*arrays)

broadcasted = np.broadcast_arrays(*broadcastable)

rows, cols = reduce(np.multiply, broadcasted[0].shape), len(broadcasted)

out = np.empty(rows * cols, dtype=broadcasted[0].dtype)

start, end = 0, rows

for a in broadcasted:

out[start:end] = a.reshape(-1)

start, end = end, end + rows

return out.reshape(cols, rows).T

def inner_product():

x, y = np.meshgrid(np.arange(4),np.arange(4))

cart_x = cartesian_product([x.flatten(),x.flatten()])

cart_y = cartesian_product([y.flatten(),y.flatten()])

Nx = x.shape[0]

xx = (cart_x[:,0]*cart_x[:,1]).reshape((Nx**2,Nx,Nx))

yy = (cart_y[:,0]*cart_y[:,1]).reshape((Nx**2,Nx,Nx))

inner_products = xx+yy

return inner_products

(应归功于贷方：cartesian_product来自使用numpy来构建两个数组的所有组合的数组 )

但这是行不通的。 对于较大的阵列(例如256x256)，这会给我带来内存错误。