Python ND数组中的Numpy 1D数组操作
假设我们有一个形状为n,m,g,h的4D数组a和形状为n的1D数组B 所以我想对每一个3D子数组,m,g,h,进行幂运算,每个元素都是intPython ND数组中的Numpy 1D数组操作,python,arrays,numpy,numpy-ndarray,Python,Arrays,Numpy,Numpy Ndarray,假设我们有一个形状为n,m,g,h的4D数组a和形状为n的1D数组B 所以我想对每一个3D子数组,m,g,h,进行幂运算,每个元素都是int A = np.arange(24).reshape(3, 2, 2, 2) >>>array([[[[ 0, 1], [ 2, 3]], [[ 4, 5], [ 6, 7]]], [[[ 8, 9], [10, 11]],
A = np.arange(24).reshape(3, 2, 2, 2)
>>>array([[[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]]],
[[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]]],
[[[16, 17],
[18, 19]],
[[20, 21],
[22, 23]]]]
B = np.arange(3)
>>>array([0, 1, 2])
我想要的结果是:
C = somefunc(A, B) # just an example, can be anything
>>>array([[[[ (ignore, 0^0), 1],
[ 1, 1]],
[[ 1, 1],
[ 1, 1]]],
[[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]]],
[[[256, 289],
[324, 361]],
[[400, 441],
[484, 529]]]]
获得预期结果的最佳方法是什么
我想到了这样的事情:
A = [np.power(A[i, :, :, :], B[i]) for i in range(B.size)]
但如果B.size是一个大数字,那么这将是非常低效的。还有其他想法吗?这将起作用:
C = A ** B[:,None,None,None]
print (C)
输出:
A=[np.powerA[i,:,,:,:],b在b中的效率是什么?即使b是大的,a**b也是必要的。np.powerA,b[:,None,None,None]-也就是说,扩展b的维度,使其以a.或a.T**b.T广播。
[[[[ 1 1]
[ 1 1]]
[[ 1 1]
[ 1 1]]]
[[[ 8 9]
[ 10 11]]
[[ 12 13]
[ 14 15]]]
[[[256 289]
[324 361]]
[[400 441]
[484 529]]]]