Python NumPy是否提供分层广播?
我想知道是否有一个内置操作可以将我的代码从Python循环中解放出来 问题是:我有两个矩阵Python NumPy是否提供分层广播?,python,arrays,numpy,array-broadcasting,Python,Arrays,Numpy,Array Broadcasting,我想知道是否有一个内置操作可以将我的代码从Python循环中解放出来 问题是:我有两个矩阵A和BA有N行和B有N列。我想将A中的每一行I与B中相应的I列相乘(使用NumPy广播)。结果矩阵将在输出中形成i层。所以我的结果是三维数组 这样的操作在NumPy中可用吗?是的,在最简单的形式中,您只需添加“零”维度,这样NumPy就会沿着A的行和B的列进行广播: >>> import numpy as np >>> A = np.arange(12).reshape
A
和B
<代码>A有N
行和B
有N
列。我想将A
中的每一行I
与B
中相应的I
列相乘(使用NumPy广播)。结果矩阵将在输出中形成i
层。所以我的结果是三维数组
这样的操作在NumPy中可用吗?是的,在最简单的形式中,您只需添加“零”维度,这样NumPy就会沿着
A
的行和B
的列进行广播:
>>> import numpy as np
>>> A = np.arange(12).reshape(3, 4) # 3 row, 4 colums
>>> B = np.arange(15).reshape(5, 3) # 5 rows, 3 columns
>>> res = A[None, ...] * B[..., None]
>>> res
array([[[ 0, 0, 0, 0],
[ 4, 5, 6, 7],
[ 16, 18, 20, 22]],
[[ 0, 3, 6, 9],
[ 16, 20, 24, 28],
[ 40, 45, 50, 55]],
[[ 0, 6, 12, 18],
[ 28, 35, 42, 49],
[ 64, 72, 80, 88]],
[[ 0, 9, 18, 27],
[ 40, 50, 60, 70],
[ 88, 99, 110, 121]],
[[ 0, 12, 24, 36],
[ 52, 65, 78, 91],
[112, 126, 140, 154]]])
结果的形状为(5,3,4)
,如果需要不同的形状,可以轻松地移动轴。例如,使用:
形状为
(3,4,5)
直接表达需求的一种方法是使用:
这使用了
关于进一步的讨论,见T.W.Körner的第3章。在这封信中,作者引用了爱因斯坦给朋友的信中一段有趣的话:
“我在数学上有了一个伟大的发现;每次必须对一个出现两次的索引进行求和时,我都会抑制求和符号……”
我喜欢这个解释是因为它的图形-谢谢,我会尝试更多,因为第一个检查是结果数组的上下角,它应该是
36
(而不是:-D)。深度应该是3。@greenoldman然后是np.moveaxis(res,(0,1,2)、(2,0,1))
。从这个问题上看,不太清楚你想要什么样的结果形状,所以我做了一个猜测(哪一个是错误的):)谢谢你,我当然比你投的票高,但是很难选择接受哪一个答案,两者都很好,希望你不介意我按时完成:-)。
>>> np.moveaxis(res, (0, 1, 2), (2, 0, 1)) # 0 -> 2 ; 1 -> 0, 2 -> 1
array([[[ 0, 0, 0, 0, 0],
[ 0, 3, 6, 9, 12],
[ 0, 6, 12, 18, 24],
[ 0, 9, 18, 27, 36]],
[[ 4, 16, 28, 40, 52],
[ 5, 20, 35, 50, 65],
[ 6, 24, 42, 60, 78],
[ 7, 28, 49, 70, 91]],
[[ 16, 40, 64, 88, 112],
[ 18, 45, 72, 99, 126],
[ 20, 50, 80, 110, 140],
[ 22, 55, 88, 121, 154]]])
>>> A = np.arange(12).reshape(3, 4)
>>> B = np.arange(15).reshape(5, 3)
>>> np.einsum('...i,j...->...ij', A, B)
array([[[ 0, 0, 0, 0, 0],
[ 0, 3, 6, 9, 12],
[ 0, 6, 12, 18, 24],
[ 0, 9, 18, 27, 36]],
[[ 4, 16, 28, 40, 52],
[ 5, 20, 35, 50, 65],
[ 6, 24, 42, 60, 78],
[ 7, 28, 49, 70, 91]],
[[ 16, 40, 64, 88, 112],
[ 18, 45, 72, 99, 126],
[ 20, 50, 80, 110, 140],
[ 22, 55, 88, 121, 154]]])