Python 一次将数组中的每个项目拆分为一个数组

我有一个3X4X4形状的numpy aray，如图所示：

[[[0 0 0 2]
  [0 0 0 0]
  [1 0 0 0]
  [0 0 0 0]]

 [[0 1 0 0]
  [0 0 0 0]
  [0 0 0 0]
  [0 1 1 0]]

 [[0 0 0 0]
  [0 1 1 0]
  [0 0 1 0]
  [0 0 0 0]]]

我想将数组中每个4 X4矩阵中的每个数字除以0.25。 然后我想记录所有这些值。（因此，我将每个数组中的所有值除以.25，然后取该数字的日志） 输出应该是相同的3x4x4矩阵，只是改变了值。 任何建议

您只需执行以下操作：

numpy.log(yourNumpyArray / 0.25)

numpy将做正确的事情（将每个元素除以0.25）

阅读更多信息：

您只需执行以下操作：

numpy.log(yourNumpyArray / 0.25)

numpy将做正确的事情（将每个元素除以0.25）

阅读更多信息：

---

我看不出这有什么不对

>> import numpy as np
>> a = np.array([[[0, 0, 0, 2],[0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]], [[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0] ,[0, 1, 1, 0]] ,[[0, 0, 0, 0], [0, 1, 1, 0] ,[0, 0, 1, 0] ,[0, 0, 0, 0]]])
>> a
[[[0, 0, 0, 2], [0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]],
 [[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 1, 1, 0]],
 [[0, 0, 0, 0], [0, 1, 1, 0], [0, 0, 1, 0], [0, 0, 0, 0]]]

>> np.log(a/0.25)

array([[[       -inf,        -inf,        -inf,  2.07944154],
        [       -inf,        -inf,        -inf,        -inf],
        [ 1.38629436,        -inf,        -inf,        -inf],
        [       -inf,        -inf,        -inf,        -inf]],

       [[       -inf,  1.38629436,        -inf,        -inf],
        [       -inf,        -inf,        -inf,        -inf],
        [       -inf,        -inf,        -inf,        -inf],
        [       -inf,  1.38629436,  1.38629436,        -inf]],

       [[       -inf,        -inf,        -inf,        -inf],
        [       -inf,  1.38629436,  1.38629436,        -inf],
        [       -inf,        -inf,  1.38629436,        -inf],
        [       -inf,        -inf,        -inf,        -inf]]])

---

我看不出这有什么问题

>> import numpy as np
>> a = np.array([[[0, 0, 0, 2],[0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]], [[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0] ,[0, 1, 1, 0]] ,[[0, 0, 0, 0], [0, 1, 1, 0] ,[0, 0, 1, 0] ,[0, 0, 0, 0]]])
>> a
[[[0, 0, 0, 2], [0, 0, 0, 0], [1, 0, 0, 0], [0, 0, 0, 0]],
 [[0, 1, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 1, 1, 0]],
 [[0, 0, 0, 0], [0, 1, 1, 0], [0, 0, 1, 0], [0, 0, 0, 0]]]

>> np.log(a/0.25)

array([[[       -inf,        -inf,        -inf,  2.07944154],
        [       -inf,        -inf,        -inf,        -inf],
        [ 1.38629436,        -inf,        -inf,        -inf],
        [       -inf,        -inf,        -inf,        -inf]],

       [[       -inf,  1.38629436,        -inf,        -inf],
        [       -inf,        -inf,        -inf,        -inf],
        [       -inf,        -inf,        -inf,        -inf],
        [       -inf,  1.38629436,  1.38629436,        -inf]],

       [[       -inf,        -inf,        -inf,        -inf],
        [       -inf,  1.38629436,  1.38629436,        -inf],
        [       -inf,        -inf,  1.38629436,        -inf],
        [       -inf,        -inf,        -inf,        -inf]]])

---

来自premature micro optimization部门，

np.log（yourNumpyArray）-np.log（0.25）

给出了相同的结果，但用廉价的减法代替了昂贵的除法。在我的系统上大约快了10%。@Jaime weird，在我的系统中正好相反：

>>%timeit np.log（a/0.25）

给出了

100000个循环，最好的3个循环：每个循环8.99µs

和

>>%timeit np.log（a）-np.log（0.25）

导致：

100000个循环，最好的3个循环：10.3µs每个循环

（稍微慢一点）我在一个大（1000x1000）阵列上运行了它。与OP的问题一样，对

np.log

的额外调用可能会消耗掉所有的改进。在我的系统上，交叉发生在阵列中约800个项目上。@Jaime就是这样，然后，我精确地使用OP的输入进行了测试。谢谢分享。=）来自premature micro optimization部门，

np.log（yourNumpyArray）-np.log（0.25）

给出了相同的结果，但用廉价的减法代替了昂贵的除法。在我的系统上大约快了10%。@Jaime weird，在我的系统中正好相反：

>>%timeit np.log（a/0.25）

给出了

100000个循环，最好的3个循环：每个循环8.99µs

和

>>%timeit np.log（a）-np.log（0.25）

导致：

100000个循环，最好的3个循环：10.3µs每个循环

（稍微慢一点）我在一个大（1000x1000）阵列上运行了它。与OP的问题一样，对

np.log

的额外调用可能会消耗掉所有的改进。在我的系统上，交叉发生在阵列中约800个项目上。@Jaime就是这样，然后，我精确地使用OP的输入进行了测试。谢谢分享。=）