Python 将矩阵数组与向量相乘
我有一个矩阵数组,我想用不同的数字乘以每个矩阵。我这样试过:Python 将矩阵数组与向量相乘,python,arrays,numpy,Python,Arrays,Numpy,我有一个矩阵数组,我想用不同的数字乘以每个矩阵。我这样试过: >>> import numpy as np >>> c = np.array([[[1, 2],[3, 4]],[[1, 2],[3, 4]]]) >>> d = np.array([0.1, 0.2]) >>> d*c array([[[ 0.1, 0.4], [ 0.3, 0.8]], [[ 0.1, 0.4],
>>> import numpy as np
>>> c = np.array([[[1, 2],[3, 4]],[[1, 2],[3, 4]]])
>>> d = np.array([0.1, 0.2])
>>> d*c
array([[[ 0.1, 0.4],
[ 0.3, 0.8]],
[[ 0.1, 0.4],
[ 0.3, 0.8]]])
而我的目的就是要得到这个结果-
>>> np.array([d[0]*c[0], d[1]*c[1]])
array([[[ 0.1, 0.2],
[ 0.3, 0.4]],
[[ 0.2, 0.4],
[ 0.6, 0.8]]])
最简单的方法是什么?您需要一对额外的轴:
In [22]: d[:,None,None] * c
Out[22]:
array([[[ 0.1, 0.2],
[ 0.3, 0.4]],
[[ 0.2, 0.4],
[ 0.6, 0.8]]])
d[:,None,None]
具有形状(2,1,1)
,该形状在c
形状(2,2,2)
数组中广播。要将c
的每个块乘以d
的相应元素,可以通过正常广播执行此操作:
>>> c*d[:, np.newaxis, np.newaxis]
array([[[ 0.1, 0.2],
[ 0.3, 0.4]],
[[ 0.2, 0.4],
[ 0.6, 0.8]]])
这个方法和
d[:,np.newaxis,np.newaxis]
之间的区别是什么?@Ohm无区别-np.newaxis无
返回True
:np.newaxis
只是无
的一个更明确的同义词,在这里意味着“插入另一个轴”。