Python 如何将3d数组中的一维数组乘以带有numpy的2d矩阵

我想要下面的计算。这个例子中使用的值在实际情况中是可变的

 A = [[1,1,1],[2,1,1]]
 B =[[[1,2,3],[2,2,2]],[[1,1,2],[1,1,1]]]
 result = apply_some_function(A,B)
 >> result = [[[6,7],[6,8]],
             [[4,5],[3,4]]]

他们的任何有效方法都可以用numpy满足上述计算。 事实上，我不清楚如何将numpy应用于多维阵列。所以，若你们知道有助于理解操纵多维数组规则的文档，我很高兴你们能告诉我。

你们可以使用或

---

这两个函数都计算乘积之和。因此，它们是 矩阵乘法的推广

注意阵列的形状通常是有帮助的。如果我们制作

A

、

B

和

result

NumPy数组：

A = np.array([[1,1,1],[2,1,1]])
B = np.array([[[1,2,3],[2,2,2]],[[1,1,2],[1,1,1]]])
result = np.array([[[6,7],[6,8]], [[4,5],[3,4]]])

然后

请注意，

A

和

B

中的长度轴3在

result

中消失。这表明，（产品的）总和在

A

和

B

的最后一个轴上

np.tensordot（B，A，（-1，-1））

中的

（-1，-1）

告诉

np.tensordot

在

A

和

B

的最后几个轴上求和

类似地，如果

np.einsum（'ij，klj->kli'，A，B）

中的

'ij，klj->kli'

表示如果

A

有索引

i

和

j

，如果

B

有索引

k

，

l

和

j

，那么结果应该有索引

k

，

l

。注意

j

索引消失了。

j

索引是

A

和

B

中的最后一个索引。因此，

'ij，klj->kli'

告诉

np.einsum

对

A

和

B

的最后一个索引求和

剩下要做的唯一一件事就是找出

k

、

l

和

i

索引的正确顺序。由于

result

中的每个轴都具有相同的长度，因此

result

的形状不提供任何线索。我通过反复试验找到了正确的顺序。

您可以使用或

---

这两个函数都计算乘积之和。因此，它们是 矩阵乘法的推广

注意阵列的形状通常是有帮助的。如果我们制作

A

、

B

和

result

NumPy数组：

A = np.array([[1,1,1],[2,1,1]])
B = np.array([[[1,2,3],[2,2,2]],[[1,1,2],[1,1,1]]])
result = np.array([[[6,7],[6,8]], [[4,5],[3,4]]])

然后

请注意，

A

和

B

中的长度轴3在

result

中消失。这表明，（产品的）总和在

A

和

B

的最后一个轴上

np.tensordot（B，A，（-1，-1））

中的

（-1，-1）

告诉

np.tensordot

在

A

和

B

的最后几个轴上求和

类似地，如果

np.einsum（'ij，klj->kli'，A，B）

中的

'ij，klj->kli'

表示如果

A

有索引

i

和

j

，如果

B

有索引

k

，

l

和

j

，那么结果应该有索引

k

，

l

。注意

j

索引消失了。

j

索引是

A

和

B

中的最后一个索引。因此，

'ij，klj->kli'

告诉

np.einsum

对

A

和

B

的最后一个索引求和

---

剩下要做的唯一一件事就是找出

k

、

l

和

i

索引的正确顺序。由于

result

中的每个轴都具有相同的长度，因此

result

的形状不提供任何线索。我通过反复试验找到了正确的顺序。

谢谢您的回答。我会比预期更快地解决我的问题。我知道我们可以在使用太多复杂矩阵生成时使用np.einsum。谢谢，让我知道非常有用的说明。我真的很感激。谢谢你的回答。我会比我预期的更快地解决我的问题。我知道我们可以在使用太多复杂矩阵生成时使用np.einsum。谢谢，让我知道非常有用的指导。我真的很感激。

In [6]: A.shape
Out[6]: (2, 3)

In [7]: B.shape
Out[7]: (2, 2, 3)

In [9]: result.shape
Out[9]: (2, 2, 2)