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，但我没有弄清楚这一点。

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，结果：

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

但是numpy不会让我这样做，我觉得是因为形状不对。 我得到了熟悉的“操作数无法与形状 (10,2) (10,) 一起广播”错误。

我尝试了 reshape 和 swapaxis 的东西，但它不起作用。 我更希望能够在没有 for 循环的情况下执行此操作（因为我需要使用大数组多次执行此操作）并且不必交换数组 A 的轴（因为其他数组也是这种形状）。

你们能帮帮我吗？

Answer 1

将B扩展到2D然后除以 -

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

样品运行 -

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. ]])

或者使用from __future__ import division处理除法以产生浮动 pt 数组 -

In [14]: from __future__ import division

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

---

乘以倒数提高性能 -

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

可以在here找到有关此的更多信息。 此外，如果B的值非常接近0 ，则需要小心使用此方法。