Python numpy在多维数据上沿_轴应用_计算

我正在将一个J语言代码翻译成Python，但是Python的apply函数的方式对我来说似乎不太清楚

我现在有一个（3，3，2）矩阵a和一个（3，3）矩阵B

我想将A中的每个矩阵除以B中的行：

A = np.arange(1,19).reshape(3,3,2)
array([[[ 1,  2],
        [ 3,  4],
        [ 5,  6]],

       [[ 7,  8],
        [ 9, 10],
        [11, 12]],

       [[13, 14],
        [15, 16],
        [17, 18]]])
B = np.arange(1,10).reshape(3,3)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

这就是结果

      1 2
    1.5 2
1.66667 2

   1.75 2
    1.8 2
1.83333 2

1.85714 2
  1.875 2
1.88889 2

对于结果的第一个矩阵，我要计算的方式如下：

 1/1  2/1
 3/2  4/2
 5/3  6/3

我试过了

np.apply_along_axis(np.divide,1,A,B)

但是它说

operands could not be broadcast together with shapes (10,) (10,10,2) 

有什么建议吗？ 提前谢谢你=]

注：J代码是

A %"2 1 B 

这意味着“将A中的每个矩阵（“2”）除以B中的每一行（“1”）

或者干脆

A % B

---

如果尾随尺寸匹配或为一，则广播工作！所以我们基本上可以添加一个虚拟维度

import numpy as np
A = np.arange(1,19).reshape(3,3,2)
B = np.arange(1,10).reshape(3,3)
B = B[...,np.newaxis] # This adds new dummy dimension in the end, B's new shape is (3,3,1)
A/B

array([[[1.        , 2.        ],
        [1.5       , 2.        ],
        [1.66666667, 2.        ]],

    [[1.75      , 2.        ],
        [1.8       , 2.        ],
        [1.83333333, 2.        ]],

    [[1.85714286, 2.        ],
        [1.875     , 2.        ],
        [1.88888889, 2.        ]]])

---

嗯，这意味着我需要每周一次重塑输入矩阵time@KevinChoi看我更新的答案，改变了方法。谢谢你，潘卡吉！似乎我需要重塑输入数据，以便在python中进行复杂的矩阵计算。重塑很便宜。请阅读

numpy

广播规则。一旦理解了使用

np.newaxis

这种方法，它将成为第二天性。

np.apply\u沿轴

是一种迭代一个数组中除了一个轴以外的所有轴的方法。该错误意味着它将

a

和

B

的1d子数组传递给

np.divide

。我认为它不是很有用，从这些问题来看，它们经常被误用。你确定这就是你所谓的“沿轴应用”吗？10号尺寸是从哪里来的？当我复制粘贴你的代码时，我得到一个

（3,3,3,2）

成形的结果。那是不对的，但也不是你的错。