Numpy 沿轴分割

是否有一个numpy函数可以将一个数组与另一个数组中的元素沿轴分割？例如，假设我有一个带有形状（l，m，n）的数组a，和一个带有形状（m，）的数组b；我要找的东西相当于：

def divide_along_axis(a,b,axis=None):
    if axis is None:
        return a/b
    c = a.copy()
    for i, x in enumerate(c.swapaxes(0,axis)):
        x /= b[i]
    return c

例如，这在规范化向量数组时非常有用：

>>> a = np.random.randn(4,3)
array([[ 1.03116167, -0.60862215, -0.29191449],
       [-1.27040355,  1.9943905 ,  1.13515384],
       [-0.47916874,  0.05495749, -0.58450632],
       [ 2.08792161, -1.35591814, -0.9900364 ]])
>>> np.apply_along_axis(np.linalg.norm,1,a)
array([ 1.23244853,  2.62299312,  0.75780647,  2.67919815])
>>> c = divide_along_axis(a,np.apply_along_axis(np.linalg.norm,1,a),0)
>>> np.apply_along_axis(np.linalg.norm,1,c)
array([ 1.,  1.,  1.,  1.])

---

我认为你可以通过numpy通常的广播行为得到这种行为：

In [9]: a = np.array([[1., 2.], [3., 4.]])

In [10]: a / np.sum(a, axis=0)
Out[10]:
array([[ 0.25      ,  0.33333333],
       [ 0.75      ,  0.66666667]])

如果我的解释正确的话

如果需要另一个轴，则可以转置所有轴：

> a = np.random.randn(4,3).transpose()
> norms = np.apply_along_axis(np.linalg.norm,0,a)
> c = a / norms
> np.apply_along_axis(np.linalg.norm,0,c)
array([ 1.,  1.,  1.,  1.])

---

对于您给出的特定示例：将（l，m，n）数组除以（m，），您可以使用np.newaxis：

a = np.arange(1,61, dtype=float).reshape((3,4,5)) # Create a 3d array 
a.shape                                           # (3,4,5)

b = np.array([1.0, 2.0, 3.0, 4.0])                # Create a 1-d array
b.shape                                           # (4,)

a / b                                             # Gives a ValueError

a / b[:, np.newaxis]                              # The result you want 

你可以阅读有关广播规则的所有内容。如果需要，还可以多次使用newaxis。（例如，将形状（3,4,5,6）数组除以形状（3,5）数组）

根据我对文档的理解，使用newaxis+广播也可以避免任何不必要的数组复制

---

现在更全面地描述了索引、newaxis等。（此答案首次发布后，文档已重新组织）。

没有。这种方法失败了，例如我给出的二维数组。事实证明，在我给你的例子中，你可以做c=a/np.apply_沿_轴（np.linalg.norm，1，a）[，np.newaxis]，但我正在寻找一些更一般的东西，比如我在问题中定义的函数divide_沿_轴（）？或者你可以定义

沿_轴划分

，先对换，再对换，只需在1d数组中添加一个新的轴即可。