在Python Numpy中，如何对2D数组和1D数组进行减法和除法？

例如，我定义了一个2D numpy数组。我想根据以下语句将其转换为另一个二维数组：

B = A - mean(A), the mean by the second axis
C = B / mean(A)

例如：

>>> import numpy as np
>>> A = np.array([[1, 2, 3], [4, 6, 8]])
>>> A
array([[1, 2, 3],
       [4, 6, 8]])
>>> M = np.mean(A, axis=1)
>>> M
array([ 2.,  6.])
>>> B = ... # ???
>>> B
array([[-1., 0., 1.],
       [-2., 0., 2.]])
>>> C = ... # ???
>>> C
array([[-0.5, 0., 0.5],
       [-0.33333333, 0., 0.33333333]])

---

令人烦恼的是，

numpy.mean（axis=…）

提供了一个数组，其中相关轴已被删除，而不是设置为大小1。因此，当您将其应用于axis=1的2x3数组时，将得到一个大小为2的（秩1）数组，而不是您真正想要的2x1数组

您可以通过向

numpy.mean

提供

keepdims

参数来解决此问题：

M = np.mean(A, axis=1, keepdims=True)

---

如果不存在，另一种方法是使用

重塑
恼人的是，
numpy.mean（axis=…）
提供一个数组，其中相关轴已被删除，而不是设置为大小1。因此，当您将其应用于axis=1的2x3数组时，将得到一个大小为2的（秩1）数组，而不是您真正想要的2x1数组

您可以通过向
numpy.mean
提供
keepdims
参数来解决此问题：

M = np.mean(A, axis=1, keepdims=True)

如果不存在这种情况，另一种选择是使用
重塑
您可以使用
减法
和
除法
from
numpy
。解决您的示例：

import numpy as np
A = np.array([[1, 2, 3], [4, 6, 8]])
M = np.mean(A, axis=1)
B = np.subtract(A.T,M).T
C = np.divide(B.T,M).T
print(B)
print(C)

，结果：

[[-1.  0.  1.]
 [-2.  0.  2.]]
[[-0.5         0.          0.5       ]
 [-0.33333333  0.          0.33333333]]

您可以使用
numpy
中的
减法
和
除法
。解决您的示例：

import numpy as np
A = np.array([[1, 2, 3], [4, 6, 8]])
M = np.mean(A, axis=1)
B = np.subtract(A.T,M).T
C = np.divide(B.T,M).T
print(B)
print(C)

，结果：

[[-1.  0.  1.]
 [-2.  0.  2.]]
[[-0.5         0.          0.5       ]
 [-0.33333333  0.          0.33333333]]

Gareht McCaughan的解决方案更加优雅，但是如果
keepdims
不存在，您可以向
M
添加一个新轴：

B = A - M[:, None]

（M[：，无]。形状是（2，1），因此广播发生了）
Gareht McCaughan的解决方案更为优雅，但如果
keepdims
不存在，您可以向
M
添加一个新轴：

B = A - M[:, None]

（M[：，无]。形状是（2，1），所以会发生广播）