[Numpy] Construction d'un tableau à partir de la différence entre deux vecteur

Bonjour,
Je suis confronté à un petit problème lors de l'utilisation de numpy, et après recherches, me demandait si quelqu'un d'entre vous aurait une idée bien sympathique. Mon problème est le suivant:
J'aimerais construire une M matrice basée sur la différence des valeurs d'un vecteur V. Je m'explique:
La composante Mij devrait contenir la différence entre la valeur Vi et Vj.
Je me retrouverai donc avec une matrice a diagonale nulle et antisymétrique.
Détail supplémentaire... les entrées de V sont en faite des couples [Vi1, Vi2], et la matrice finale devrait également contenir les couples des différences
(C'est pas très grave si ça complique trop, je peux toujours décomposer le calcul sur deux plans).
Mon but est d'éviter si possible l'utilisation de boucles for, car ce genre de calcul est exécuté un grand nombre de fois par itérations. D'où ma recherche (jusqu'ici sans succès,) d'une syntaxe "à la Matlab", permettant de tirer profit de la puissance des routines de numpy, en se basant sur une formulation matricielle.
Je précise finalement que l'utilisation de la classe array ou matrix me va.

Voilà, je remercie d'avance les gens qui auront prit le temps de lire tout ceci,... et comprend bien les autres :)

Amicalement,

Mirox

bonsoir,

je peux te proposer quelque chose comme ceci, probablement pas optimal:

Code:

---

1 2 3 4 5 6 7 8

>>> import numpy as np >>> V = np.array([0, 1, 2, 3]) >>> A = np.zeros((4, 4)) >>> A + V - (A + V.reshape(4,1)) array([[ 0., 1., 2., 3.], [-1., 0., 1., 2.], [-2., -1., 0., 1.], [-3., -2., -1., 0.]])

---

Merci Kango,
Après une nuit de bidouillage (:oops:), je suis arrivé ce matin à une méthode similaire à la tienne.
Pour les intéressés

Code:

---

1 2 3 4 5 6 7 8 9 10

>>> import numpy as np >>> V = np.array([1,2, 3, 4]) >>> A = np.zeros((4, 4)) >>> A=A+V >>>A - A.T array([[ 0., 1., 2., 3.], [-1., 0., 1., 2.], [-2., -1., 0., 1.], [-3., -2., -1., 0.]])

---

qui me satisfait très bien :)
Merci encore pour ton aide,

Bonne week end

Mirox

Tu peux utiliser np.newaxis et utiliser le "broadcast" :

Code:

---

1 2	V = np.array([1,2, 3, 4]) V[:,np.newaxis] - V[np.newaxis]

---

Pour précision ceci est équivalent à :

Code:

---

1 2	V = np.array([1,2, 3, 4]) V.reshape(V.size,1) - V.reshape(1,V.size)

---