4
你有一个形状数组(a,b,c),并且你想通过一个形状数组(b)乘以第二个维数在numpy中,用一维数组乘以三维数组的第二维的最快方法是什么?
for循环可以工作,但是有没有更好的方法?
Ex。
A = np.array(shape=(a,b,c))
B = np.array(shape=(b))
for i in B.shape[0]:
A[:,i,:]=A[:,i,:]*B[i]
你有一个形状数组(a,b,c),并且你想通过一个形状数组(b)乘以第二个维数在numpy中,用一维数组乘以三维数组的第二维的最快方法是什么?
for循环可以工作,但是有没有更好的方法?
Ex。
A = np.array(shape=(a,b,c))
B = np.array(shape=(b))
for i in B.shape[0]:
A[:,i,:]=A[:,i,:]*B[i]
使用3210:
A*B[:,np.newaxis]
例如:
In [47]: A=np.arange(24).reshape(2,3,4)
In [48]: B=np.arange(3)
In [49]: A*B[:,np.newaxis]
Out[49]:
array([[[ 0, 0, 0, 0],
[ 4, 5, 6, 7],
[16, 18, 20, 22]],
[[ 0, 0, 0, 0],
[16, 17, 18, 19],
[40, 42, 44, 46]]])
B[:,np.newaxis]
具有形状(3,1)。广播在左侧添加新的轴, ,因此广播成形(1,3,1)。广播也沿着长度为1的轴重复这些项目。因此,当乘以A
时,它将被进一步广播成形(2,3,4)。这匹配A
的形状。像以前一样,乘法运算继续按照元素进行。
+1的解释与答案一致。 :) 谢谢! – Abhinav
你是什么意思的第二维?你是否指'a = 0'处的'(b,c)'尺寸? – jtbandes
我举了一个例子。 –