一种方法是使用np.multiply的outer函数（如果您希望与问题中的顺序相同，则需要转置）：

>>> np.multiply.outer(x, y).T
array([[3, 6],
       [4, 8]])

NumPy中的大多数ufuncs都有这个有用的outer特性（add、subtract、divide等），正如@Akavall所建议的，np.outer在这里的乘法情况下是等价的。
或者，np.einsum可以一次执行乘法和转置：

>>> np.einsum('i,j->ji', x, y)
array([[3, 6],
       [4, 8]])

第三种方法是在一个数组中插入一个新的轴，然后相乘，尽管这有点冗长：

>>> (x[:, np.newaxis] * y).T
array([[3, 6],
       [4, 8]])

对于那些对性能感兴趣的人，下面是两个长度为15的数组上的操作时间，从最快到最慢：

In [70]: x = np.arange(15)
In [71]: y = np.arange(0, 30, 2)
In [72]: %timeit np.einsum('i,j->ji', x, y)
100000 loops, best of 3: 2.88 µs per loop
In [73]: %timeit np.multiply.outer(x, y).T
100000 loops, best of 3: 5.48 µs per loop
In [74]: %timeit (x[:, np.newaxis] * y).T
100000 loops, best of 3: 6.68 µs per loop
In [75]: %timeit np.outer(x, y).T
100000 loops, best of 3: 12.2 µs per loop

您可以使用np.outer。

In [7]: x = np.array([1, 2])

In [8]: y = np.array([3, 4])

In [10]: np.outer(x,y).T
Out[10]: 
array([[3, 6],
       [4, 8]])

B = np乘以外部（x，y）.T
链接：http://pchanial.github.io/python-for-data-scientists/auto_examples/ufunc_matrices.html
以下是针对这些问题很好的教程，此地址可以提供帮助：Link