使用 2d numpy 数组广播 1d numpy 数组

Question

这可能是一个非常简单的问题，但我没有弄明白。

我有一个形状为 (3,2) 的二维 numpy 数组和一个形状为 (3,) 的一维数组：

    A = [[2,4],[6,8][10,12]]
    B = [1,2,4]

我想将数组 A 除以数组 B，得到：

   [[2,4],[3,4][2.5,3]]

但是numpy不会让我这样做，我想是因为形状不对。我收到熟悉的 'operands could not be broadcast together with shapes (10,2) (10,)' 错误。

我尝试了 reshape 和 swapaxis，但没有用。我更希望能够在没有 for 循环的情况下执行此操作（因为我需要对大型数组多次执行此操作）并且不必交换数组 A 的轴（因为其他数组是这种形状）。

你们能帮帮我吗？

Answer 1

扩展B到2D然后除-

A/B[:,None].astype(float)

样本运行-

In [9]: A
Out[9]: 
array([[ 2,  4],
       [ 6,  8],
       [10, 12]])

In [10]: B
Out[10]: array([1, 2, 4])

In [11]: A/B[:,None].astype(float)
Out[11]: 
array([[ 2. ,  4. ],
       [ 3. ,  4. ],
       [ 2.5,  3. ]])

或使用 from __future__ import division 来处理除法以生成浮动 pt 数组 -

In [14]: from __future__ import division

In [15]: A/B[:,None]
Out[15]: 
array([[ 2. ,  4. ],
       [ 3. ,  4. ],
       [ 2.5,  3. ]])

性能提升与倒数相乘 -

In [32]: A = np.random.rand(300,200)

In [33]: B = np.random.rand(300)

In [34]: from __future__ import division

In [35]: %timeit A/B[:,None]
1000 loops, best of 3: 336 µs per loop

In [36]: %timeit A*(1.0/B[:,None])
10000 loops, best of 3: 101 µs per loop

可以找到更多关于此的信息。此外，如果 B 的值非常接近 0.

，则需要小心使用此方法。

使用 2d numpy 数组广播 1d numpy 数组

Broadcasting a 1d numpy array with a 2d numpy array

python

numpy

python-2.7

array-broadcasting