如何在Python中乘以3D numpy数组以获得2D numpy数组？

假设我有以下数组A，其中右边是它的“.shape”：

A.shape=（10000,10,10）

我想得到

C.shape=（10000,10）

这样： 对于A中的每个10x10矩阵（10000个矩阵中的每一个），它被减少到每行总和的1D向量（10,1），因此，最终结果是

C.shape=（10000,10）

基本上，如果我们有形状（10,10）并乘以一个

numpy.one

vector（10,1），就可以了

但是，在处理3D数组（10000,10,10）时，如何用Python编写此代码

最终目标是形状（10000,10,10）乘以某物（=（10000,10），其中（10000,10）的第二维度现在是前一个（10,10）矩阵的行和。

是的，您可以沿轴1使用

.sum（）

从

（10000,10,10）

形状数组中获取它：

import numpy as np
a=np.ones(1000000).reshape(10000,10,10)
print(a.shape) # 10000,10,10
b=a.sum(axis=1)
print(b.shape) # 10000,10
c=b.sum(axis=1)
print(c.shape) # 10000,1

---

最简单的解决方案是：

import numpy as np
C = np.sum (A, axis=2)

备选解决方案1（减少）：

如果要使用

reduce（）

函数，请使用以下命令：

import numpy as np
C = np.add.reduce (A, 2)

此处，

2

表示通过

add

操作进行还原的轴

有关更多详细信息，请参阅

这可能只适用于

numpy

1.17及以上版本

备选解决方案2：（与1向量相乘）

使用

numpy.dot（）

：

---

我不认为这是我想要的，至少当我手动浏览这样一个示例时，它不起作用

B = np.ones((10,), dtype=A.dtype)
C = np.dot (A,B)