Python 矢量化numpy赋值

我通过在其他numpy数组中查找值来为numpy数组赋值。这些数组具有潜在的不同索引。以下是一个例子：

import numpy as np
A=1; B=2; C=3; D=4; E=5
X = np.random.normal(0,1,(A,B,C,E))
Y = np.random.normal(0,1,(A,B,D))
Z = np.random.normal(0,1,(A,C))
Result = np.zeros((A,B,C,D,E))
for a in range(A):
    for b in range(B):
        for c in range(C):
            for d in range(D):
                for e in range(E):
                    Result[a,b,c,d,e] = Z[a,c] + Y[a,b,d] + X[a,b,c,e]

优化此代码的最佳方法是什么？我可以使用结果[a，b，c，d:]=Z[a，c]+Y[a，b，d]+X[a，b，c，：]删除E for循环。那么，如何删除其余的循环呢？我还认为我可以在赋值之前操纵X，Y，Z，这样它就可以很容易地与结果的维度合并。一定有更优雅的方式。谢谢你的提示。

这里有一种方法：

Result = Z[:,None,:,None,None] + Y[:,:,None,:,None] + X[:,:,:,None,:]

为了生成这个矢量化版本，我所做的只是将各种索引替换为

X

、

Y

和

Z

，使用完整的

a、b、c、d、e

样式索引，在发现缺少索引的地方插入

None

。例如，

Y[a，b，d]

变为

Y[a，b，None，d，None]

，这将矢量化为

Y[，：，None，：，None]

---

在numpy中，通过

None

索引告诉数组假装它有一个附加轴。这不会改变数组的大小，但会改变操作的广播方式，这正是我们需要的。查看以了解更多信息。

这更多是一个codereview.stackexchange.com问题。你应该把它移植到那里，看看人们会想出什么样的优化技巧。虽然从技术上讲这是一个代码优化问题，但像这样的问题（如何在

numpy

？）在SO中经常被问到。这真是一个“如何”的问题。回答得很好。如果您还可以添加一个指向一些文档的链接，这些文档描述了这将对广播带来的更改，那将是一件好事。使用我提供的参数，速度将提高75倍。。。谢谢