Python Numpy维度：与标量/矩阵的乘法

我有一个变量

X

，它可以是标量或数组。在这两种情况下，我都希望扩展

X

y = np.array([0.5, 1.5])

try:
    ndim = X.ndim
except AttributeError:
    ndim = 0
y = np.array([0.5, 1.5], ndmin=ndim+1)

如果

X

是标量，则

(X*y).sum()

如果

X

是一个矩阵，比如说二维矩阵，我想

(X[..., np.newaxis]*y[np.newaxis, np.newaxis, ...]).sum()

我正在使用创建

y

y = np.array([0.5, 1.5])

try:
    ndim = X.ndim
except AttributeError:
    ndim = 0
y = np.array([0.5, 1.5], ndmin=ndim+1)

这使得我可以用

X[…，np.newaxis]*y进行乘法：
y
现在与我计算中的
X
的形状无关。但是，如果
X
是矩阵，我仍然需要执行
X[…，np.newaxis]
，如果
X
是标量，则只需要执行
X

如何在代码开始时操纵
X
，以便

(X*y).sum()

以及以后类似的操作，无论
X
是否为矩阵？
都不需要
y
中的
np.newaxis
。没有它们也可以得到同样的结果。对于
X
，我想您可以执行以下操作：

if type(X) == np.ndarray:
    result = (X[..., np.newaxis] * y).sum()
else:
    result = (X * y).sum()

如果要将其泛化为多个操作，只需在代码中的某个位置添加一行即可：

X = X[..., np.newaxis] if type(X) == np.ndarray else X

稍后只需使用
（X*y）.sum（）
，因为它将同时使用
X=number
和
X=ndarray

对于
y
，您不需要添加数字维度，numpy具有乘法的功能

一个完整的例子：

>>> x1 = 5
>>> x2 = np.random.rand(3,3)
>>> y  = np.array([0.5, 0.5])
>>> (x1 * y).sum() # works fine
>>> (x2[..., np.newaxis] * y).sum() # also works fine

@dbliss是的，我假设这个问题非常基本，以至于代码实际上用于演示我想要的内容，而不是运行一个示例。但我解决了这个问题，因为我总是很感激新来者的尖刻评论。是的，我是个尖刻的家伙，但我不是一个真正的新来者。您想要“扩展”
X
，这是什么意思？为什么以后需要执行
（X*y）.sum（）
？当
X
是矩阵时，为什么不可以执行
（X[…，np.newaxis]*y[np.newaxis，np.newaxis，…]）.sum（）
？