![](/img/trans.png)
[英]Is there a multi-dimensional version of arange/linspace in numpy?
[英]Broadcasting a numpy.arange into a multi-dimensional array
假设我有一个零的3维数组
Y = np.zeros((2,3,4))
我希望通过第二维向它广播一维数组
X = np.arange(3)
这样得到的多维数组是
Y = [[[ 0. 0. 0. 0.]
[ 1. 1. 1. 1.]
[ 2. 2. 2. 2.]]
[[ 0. 0. 0. 0.]
[ 1. 1. 1. 1.]
[ 2. 2. 2. 2.]]]
在没有循环(甚至列表理解)的情况下,最Python高效的方法是什么? 我希望能够扩大尺寸,并使用numba模块运行代码,该模块无法使用np.tile或np.repeat进行编译
您可以首先重塑X
,以便可以将其广播到Y.shape
,然后使用np.broadcast_to
方法:
Y = np.zeros((2,3,4))
np.broadcast_to(X[:,None], Y.shape)
#array([[[0, 0, 0, 0],
# [1, 1, 1, 1],
# [2, 2, 2, 2]],
# [[0, 0, 0, 0],
# [1, 1, 1, 1],
# [2, 2, 2, 2]]])
另一个选择是,创建一个形状与Y
相同的新空数组,然后为其分配X值:
new_X = np.empty_like(Y)
new_X[:] = X[:,None]
new_X
#array([[[ 0., 0., 0., 0.],
# [ 1., 1., 1., 1.],
# [ 2., 2., 2., 2.]],
# [[ 0., 0., 0., 0.],
# [ 1., 1., 1., 1.],
# [ 2., 2., 2., 2.]]])
如果您始终以零数组开头,则只需添加x
广播
>>> y + x[None, :, None]
array([[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]],
[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]]])
要么
>>> np.add(y, x[None, :, None], out = y)
array([[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]],
[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]]])
>>> y
array([[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]],
[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]]])
>>>
我不确定您是否可以使用分配进行广播,但可以做到:
>>> y[:] = x[None, :, None]
>>> y
array([[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]],
[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]]])
>>> y[...] = x[None, :, None]
>>> y
array([[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]],
[[ 0., 0., 0., 0.],
[ 1., 1., 1., 1.],
[ 2., 2., 2., 2.]]])
>>>
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.