使用numpy数组进行列表理解-错误的做法？

Question

我想知道以下方法是否会被视为不好的做法？如果这样，是否有人可以为另一种方法提供一些指导。

这是有问题的代码：

a = np.array([[1,2,3],[4,5,6]])
b = np.array([-5,5])
c = np.array([np.multiply(a[x],b[x]) for x in range(2)])

此处的目的是获得与'a'形状相同的数组，其中'a'的第一个元素的值乘以'b'的第一个元素，而第二个元素'a'的值相乘通过“ b”的第二个元素

上面的代码可以工作，但是考虑到涉及的列表/数组的混合，我不建议这样做-但对于更优雅的解决方案，我不清楚。 提前谢谢了！

Answer 1

NumPythonic的方法是使用np.newaxis/None将b的维度扩展为2D数组，然后让broadcasting开始进行vectorized elementwise multiplication 。 实现看起来像这样-

c = a * b[:,None]

扩展尺寸后，您也可以使用np.multiply达到相同的效果，如下所示-

c = np.multiply(a,b[:,None])

最重要的是，以下一些性能数据可以说服您使用broadcasting -

In [176]: a = np.random.rand(2000,3000)

In [177]: b = np.random.rand(2000)

In [178]: %timeit np.array([np.multiply(a[x],b[x]) for x in range(a.shape[0])])
10 loops, best of 3: 118 ms per loop

In [179]: %timeit a * b[:,None]
10 loops, best of 3: 63.8 ms per loop

In [180]: %timeit np.multiply(a,b[:,None])
10 loops, best of 3: 64 ms per loop