Python Numpy的意思是现在需要重塑？_Python_Numpy

Python Numpy的意思是现在需要重塑？

python numpy

Python Numpy的意思是现在需要重塑？,python,numpy,Python,Numpy,我想用列的平均值减去numpy数组中的所有值以前，以下代码起作用： centered_data = data - data.mean(axis = 1) 现在，此代码生成如下错误消息： ValueError:操作数无法与形状3862 3一起广播将此行更改为： centered_data = data - data.mean(axis = 1).reshape(data.shape[0],1) 数据的类型为numpy.ndarray 为什么平均向量现在需要重塑，而以前没有呢？请看下面的例子

我想用列的平均值减去numpy数组中的所有值

以前，以下代码起作用：

centered_data = data - data.mean(axis = 1)

现在，此代码生成如下错误消息：

ValueError:操作数无法与形状3862 3一起广播

将此行更改为：

centered_data = data - data.mean(axis = 1).reshape(data.shape[0],1)

数据的类型为numpy.ndarray

为什么平均向量现在需要重塑，而以前没有呢？

请看下面的例子

根据第一条广播规则：

在两个阵列上操作时，NumPy会比较它们的形状元素方面。它从后面的尺寸标注开始，然后开始工作前进的道路。当需要时，两个维度是兼容的

它们相等，或者其中一个为1

因此，将3与862进行比较是失败的。因此，您需要将数据重塑为862,3或平均值为3,1。

请查看

根据第一条广播规则：

在两个阵列上操作时，NumPy会比较它们的形状元素方面。它从后面的尺寸标注开始，然后开始工作前进的道路。当需要时，两个维度是兼容的

它们相等，或者其中一个为1

因此，将3与862进行比较是失败的。因此，您需要将数据重塑为862,3或平均值为3,1。

您还可以将轴添加到阵列中，以便它将广播

>>> a
array([[ 0,  1,  2,  3,  4,  5,  6,  7],
       [ 8,  9, 10, 11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20, 21, 22, 23]])
>>> m = a.mean(-1)
>>> a.shape, m.shape
((3, 8), (3,))
>>> a - m[:, np.newaxis]
array([[-3.5, -2.5, -1.5, -0.5,  0.5,  1.5,  2.5,  3.5],
       [-3.5, -2.5, -1.5, -0.5,  0.5,  1.5,  2.5,  3.5],
       [-3.5, -2.5, -1.5, -0.5,  0.5,  1.5,  2.5,  3.5]])
>>> 
>>> m[:, np.newaxis].shape
(3, 1)
>>>

您还可以将轴添加到阵列中，以便阵列将进行广播

>>> a
array([[ 0,  1,  2,  3,  4,  5,  6,  7],
       [ 8,  9, 10, 11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20, 21, 22, 23]])
>>> m = a.mean(-1)
>>> a.shape, m.shape
((3, 8), (3,))
>>> a - m[:, np.newaxis]
array([[-3.5, -2.5, -1.5, -0.5,  0.5,  1.5,  2.5,  3.5],
       [-3.5, -2.5, -1.5, -0.5,  0.5,  1.5,  2.5,  3.5],
       [-3.5, -2.5, -1.5, -0.5,  0.5,  1.5,  2.5,  3.5]])
>>> 
>>> m[:, np.newaxis].shape
(3, 1)
>>>

问：为什么平均向量现在需要整形

答：因为NumPy无法在n，和n之间执行操作，。要广播，NumPy将查找轴兼容性，1与任何轴兼容

(3,862) -
(3,) # error
(3,1) # this works
(1,1) # this works
(,862) # error
(1,862) # works

问：为什么平均向量现在需要整形

答：因为NumPy无法在n，和n之间执行操作，。要广播，NumPy将查找轴兼容性，1与任何轴兼容

(3,862) -
(3,) # error
(3,1) # this works
(1,1) # this works
(,862) # error
(1,862) # works

np.mean有一个keepdims参数。data.mean也有，但在np.mean中有记录：

如果没有这一点，像mean和sum这样的操作将删除一个维度。重塑-1,1和[：，无]也可以将尺寸标注添加回

如果在另一个轴上取平均值，则无需保留或恢复尺寸。这是因为如果需要，广播规则会在开始时自动添加维度：

In [645]: data-data.mean(axis=0)
Out[645]: 
array([[-4., -4., -4., -4.],
       [ 0.,  0.,  0.,  0.],
       [ 4.,  4.,  4.,  4.]])

您的“之前”案例是这样的吗？轴上的减少=0

我不知道numpy中有任何变化会使axis=1的情况下不需要某种形状的重塑或keepaxis

如果data.shape==3,4

工作

这会引发一个值错误：

data+np.array([1,1,1])
ValueError: operands could not be broadcast together with shapes (3,4) (3)

这项工作：

data+np.array([1,1,1])[:,None]