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？

Question

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

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] 

Answer 1

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。