Python 使用形状（x，y，z）和（x，）对numpy数组进行乘法和求和

所以我有一个3D数据集（x，y，z），我想在其中一个轴（x）上加一组权重，w=w（x）。我求和的开始和结束索引对于每个（y，z）都是不同的，我通过屏蔽3D数组解决了这个问题。对于我没有求和的两个变量，权重是恒定的。关于实现和数学的两个答案都是值得赞赏的（是否有一个聪明的linalg。这样做的方法？）

我有一个形状为（x，y，z）的3D掩蔽阵列（a）和形状为（x，）的一维阵列（t）。有没有一种好方法可以将a中的每个（y，z）元素与t中的相应数字相乘，而不将t扩展到三维数组？我目前的解决方案是使用np.tensordot制作一个与a形状相同的3D数组，它保存了所有的t值，但是花费运行时间构建“新的t”数组感觉非常不满意，它本质上只是t的y*z拷贝

当前解决方案的示例：

a1 = np.array([[1,2,3,4],
               [5,6,7,8],
               [9,10,11,12]])

a2 = np.array([[0,1,2,3],
               [4,5,6,7],
               [8,9,10,11]])

#note: A is a masked array, mask is a 3D array of bools
A = np.ma.masked_array([a1,a2],mask)
t = np.array([10,11])

new_t = np.tensordot(t, np.ones(A[0].shape), axes = 0)
return np.sum(A*new_t, axis=0)

本质上，我希望以尽可能短的运行时间为所有i，j执行t*A[：，i，j]，最好不要使用numpy和scipy以外的太多库

产生所需输出的另一种方法（同样，运行时间太长）：

---

灵感来自@phipsgabler评论

arr1 = np.tensordot(A.T,t,axes=1).T
arr1
array([[ 10,  31,  52,  73],
       [ 94, 115, 136, 157],
       [178, 199, 220, 241]])

---

谢谢你的回答！使用像@alyhosny这样的tensordot是可行的，但使用

A = np.ma.MaskedArray.filled(A,0)

在与einsum求和之前（感谢@phipsgabler），他给出了一半的运行时间。最终代码：

A = np.ma.MaskedArray(A,mask)
A = np.ma.MaskedArray.filled(A,0)
return np.einsum('ijk,i->jk',A,t)

---

类似于

np.einsum（'ijk，i->jk'，A，t）

？谢谢！现在编辑，A是一个蒙版数组，看起来einsum不关心蒙版。尽管如此，einsum似乎还是一个不错的选择。只要有正确的广播技巧，即使只是

tensordot

也可能奏效。这通常只是一些虚拟数据的试验结束错误。。。这就是为什么我懒得这么做并写一个答案：）我在发帖前已经试了好几个小时，这就是为什么我想知道是否有更好的方法。Einsum就像一个符咒，只是它使用了隐藏的值。对于

Einsum

和

matmul

（

@

），

tensordot

不再有用了。基本上，

tensordot

对输入进行重塑和转换，以生成兼容的数组。然后，它将结果转换回更多的重塑和转置。谢谢！这是可行的，我想关于使用tensordot（和其他np-linalg函数）我还有很多要学习的地方：）但我想我可以在求和之前用零代替掩码填充掩码数组，这就给了运行时间的一半以下：）

A = np.ma.MaskedArray(A,mask)
A = np.ma.MaskedArray.filled(A,0)
return np.einsum('ijk,i->jk',A,t)