Python 如何将标量矩阵与向量矩阵按元素相乘？

如何转换以下形式的numpy数组

[[1,2]
 [3,4]]

[[[1,1,1],[2,2,2]]
 [[3,3,3],[4,4,4]]]

进入表格的B部分

[[1,2]
 [3,4]]

[[[1,1,1],[2,2,2]]
 [[3,3,3],[4,4,4]]]

这样我就可以用C进行元素相乘

[[[ 5, 6, 7],[ 8, 9,10]]
 [[11,12,13],[13,15,16]]]

?

---

最初的问题是将标量与向量相乘，例如

4*[13,15,16]

。但我没有标量，而是标量矩阵（a），也没有向量，而是向量矩阵（C）。如果有一种方法没有像B中那样实际复制值，我更愿意这样做（我想明显的for循环太慢了）。

您已经在评论中提到了答案：

A[:,:,None] * C

之所以这样做，是因为numpy将

None

切片解释为

newaxis

。发件人：

选择元组中的每个newaxis对象用于将结果选择的维度扩展一个单位长度维度。添加的维度是newaxis对象在选择元组中的位置

所以这个切片相当于这样做：

A.reshape(len(A), -1, 1)*C

---

既然我假设它们是numpy

array

s，那么乘法在默认情况下当然是元素性的。

Hmm，我想我刚刚得到了：

A[：，：，None]*C

，但我还不太明白这里发生了什么。你也可以做

A[…，None]*C

，这将适用于任意数量的维度，而不仅仅是两个维度。@neo，这里发生的事情是，您已经发现：）在

重塑

中的更多信息不会修改

A

，因此最后的示例仍然会给出广播错误。也许你的意思是：

A.重塑（len（A），-1，1）*C，这会给出相同的结果。啊，你说得对。当我这么做的时候，我甚至打开了一个REPL=X固定。仅用于文档：
A[：，：，None]
然后生成
[[1]，[2]，[[3]，[4]]
，因此具有形状
（2,2,1）
，这反过来使它可以广播到
C
的形状
（2,2,3）
，从而启用乘法——因为广播隐式地将
（2,2,1）
扩展到
（2,2,3）
通过重复这些值（不是字面意思，而是作为for循环的一部分在内部重复）。还有一件事。我想我理解了为什么我的例子不能简单地工作，尽管更简单的例子（标量和向量）可以。这可能是因为标量在广播时是专门处理的，它相当于一个元素数组，其形状为
（1）
，从而导致有效的广播。因此，如果我在
A
中将我的标量表示为给定矩阵中的一个元素数组，那么它就可以工作了。这更像是一种理论观点，但仍然很有趣。