Python 将一维numpy ndarray分配到二维数组的列中

假设

dst

是具有形状（5，N）的数据阵列，

ramp

是具有形状（5，）的数据阵列。（在这种情况下，N=2）：

现在我想将ramp复制到dst的列中，结果如下：

>>> dst
array([[1., 1.],
       [1.25., 1.25.],
       [1.5., 1.5.],
       [1.75, 1.75],
       [2.0, 2.0]])

我没想到这会起作用，它也不会：

>>> dst[:] = ramp
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (5) into shape (5,2)

有什么想法吗

笔记

---

与此不同，我希望将

ramp

分配到

dst

（甚至是

dst

的子集）。此外，这里给出的解决方案使用python数组作为源，而不是数据数组，因此需要调用.transpose等。

方法1：使用广播：

正如评论中提到的那样。广播也在协助方面起作用

dst[:] = ramp[:,None]

---

方法2：使用

列堆栈

N = dst.shape[1]
dst[:] = np.column_stack([ramp.tolist()]*N)

Out[479]:
array([[1.  , 1.  ],
       [1.25, 1.25],
       [1.5 , 1.5 ],
       [1.75, 1.75],
       [2.  , 2.  ]])

---

方法3：使用

np.tile

N = dst.shape[1]
dst[:] = np.tile(ramp[:,None], (1,N))

---

啊!！感谢您的

ramp[：，None]

提示。这更容易（因为广播在这种情况下起作用）：

dst[：]=ramp[：，None]

。（如果您同意，请随时更新您的答案！）哈！也完全忘记了任务中的广播作品。我把它添加到了答案中：）这回答了你的问题吗？建议的帖子（）比下面给出的答案复杂得多。它不涉及复制到向量中。否则我永远不会发现这种“努普式”的技术。

N = dst.shape[1]
dst[:] = np.column_stack([ramp.tolist()]*N)

Out[479]:
array([[1.  , 1.  ],
       [1.25, 1.25],
       [1.5 , 1.5 ],
       [1.75, 1.75],
       [2.  , 2.  ]])

N = dst.shape[1]
dst[:] = np.tile(ramp[:,None], (1,N))