Python 不同形状Ndaray上的numpy数组的数学运算

我有一个numpy数组，其形状（12，）如下所示：

array([0.111,0.222,0.333,0.444,0.555,0.666,0.777,0.888,0.999,0.100,0.011,0.12], dtype=float32)

little_array/image

此外，我还有另一个具有12维形状的阵列（7731231）：

ndarray是一个具有12个波段的图像，因此wach像素包含12个值。 我想用第一个数组划分每个像素，例如，如果第一个像素是：

>>>[0.721 , 0.124, 0.154 , 0.452  ,0.975 , 0.013 , 0.875 , 0.324 , 0.543 , 0.213 , 0.675 , 0.212 ]

我希望结果将是此的结果计算：

>>>[0.721/0.111 , 0.124/0.222, 0.154/0.333, 0.452/0.444  ,0.975/0.555 , 0.013/0.666 , 0.875/0.777 , 0.324/0.888 , 0.543/0.999 , 0.2130.10 , 0.675/0.011 , 0.212/0.12 ]

因此，结果输出应该基本上是分割该行中的所有图像

我尝试过这样做：

array([0.111,0.222,0.333,0.444,0.555,0.666,0.777,0.888,0.999,0.100,0.011,0.12], dtype=float32)

little_array/image

但是我得到了错误

ValueError:操作数无法与形状一起广播 （127731231）（12，）

---

我的最终目标是：将每个维度除以短数组中的正确数字。

您应该能够像这样广播除法：

divisors = np.array(...) # 12 elements
image = np.array(...) # shape (12,773,1231) image
image / divisors[:, np.newaxis, np.newaxis]

---

Numpy广播的工作方式是，股息和除数的内部维度必须匹配，或等于1。可以通过变换数组来交换尺寸。见下文：

image = np.random.randn(12, 773, 1231)
x = np.random.randn(12)
image.shape  # (12L, 773L, 1231L)
image.T.shape  # (1231L, 773L, 12L)
x.shape  # (12L,)
image / x  # raises a ValueError
image.T / x  # works