Python 在numpy阵列中为平面加权的最佳方法是什么？

我有下面的代码，其中w是一个兼容维度的1D numpy数组，M是一个4D数组

i = 0
for weight in w:
    M[:, :, i, :] *= weight
    i += 1

---

有没有更好的方法来达到同样的效果？

您正在使用

w

中的元素沿

轴=2

缩放

M

，这是一个

1D

数组。因此，您需要将

w

扩展到二维数组，该数组将对齐

扩展版本w

与

M

之间的轴。然后，在这两个数组之间执行元素相乘，以引入向量化解决方案，如下所示-

M *= w[:,None]

M[...,np.arange(w.size),:] *= w[:,None]

如果

M

的

axis=2

的长度大于

w

中的元素数，则需要在相乘之前沿

M

中的

axis=2

选择一个范围，如下所示-

M *= w[:,None]

M[...,np.arange(w.size),:] *= w[:,None]

---

这个答案是基于我试图理解@Divakar的答案。 帮助我了解情况的是写下他们的建议

M *= w[:,None]

作为

其中，M和延伸w的尺寸明显相同。当然，@Divakar的版本更短，更优雅，但不那么直观

因此，一个完整的工作示例是：

import numpy as np
M = np.ones((1,4,3,2))
w = np.arange(3)
M *= w[None,None,:,None]
print M

---

谢谢我将Divakar的版本标记为正确，因为它们都是正确的，而他是第一个。我更喜欢你更明确的方式。为了更明确，你可以用

np.newaxis

替换

None

：

M*=w[np.newaxis，np.newaxis，：，np.newaxis]