Python 用2d numpy阵列广播一维numpy阵列

这可能是一个非常简单的问题，但我没有弄明白这一点

我有一个二维numpy数组，它的形状是（3,2），还有一个一维数组的形状是（3,2）：

我想将数组A除以数组B，结果是：

   [[2,4],[3,4][2.5,3]]

但是numpy不会让我这么做，我想是因为形状不对。我得到了熟悉的“操作数无法与形状（10,2）（10，）”一起广播”错误

我尝试过重塑和swapaxis，但不起作用。我更希望能够在不使用for循环的情况下执行此操作（因为我需要对大型阵列执行多次），并且不必交换阵列a的轴（因为其他阵列都是此形状）

---

你们能帮帮我吗？

把

B

扩展到

2D

然后除法-

A/B[:,None].astype(float)

样本运行-

In [9]: A
Out[9]: 
array([[ 2,  4],
       [ 6,  8],
       [10, 12]])

In [10]: B
Out[10]: array([1, 2, 4])

In [11]: A/B[:,None].astype(float)
Out[11]: 
array([[ 2. ,  4. ],
       [ 3. ,  4. ],
       [ 2.5,  3. ]])

或者使用uuu future uuuu导入除法中的

，该除法负责除法以生成浮动pt数组-

In [14]: from __future__ import division

In [15]: A/B[:,None]
Out[15]: 
array([[ 2. ,  4. ],
       [ 3. ,  4. ],
       [ 2.5,  3. ]])


通过倒数乘法提高性能-

In [32]: A = np.random.rand(300,200)

In [33]: B = np.random.rand(300)

In [34]: from __future__ import division

In [35]: %timeit A/B[:,None]
1000 loops, best of 3: 336 µs per loop

In [36]: %timeit A*(1.0/B[:,None])
10000 loops, best of 3: 101 µs per loop

可以找到更多关于这方面的信息。此外，使用此方法时需要小心，如果
B
的值非常接近
0
您是否尝试过
np。重塑（[1,2,4]，（3,1））
？（10，）阵列可以广播到（1,10）和（2,10）。但在另一端添加维度需要您采取明确的行动。
In [32]: A = np.random.rand(300,200)

In [33]: B = np.random.rand(300)

In [34]: from __future__ import division

In [35]: %timeit A/B[:,None]
1000 loops, best of 3: 336 µs per loop

In [36]: %timeit A*(1.0/B[:,None])
10000 loops, best of 3: 101 µs per loop