如何在 Python 中将一维数组广播到 ND 数组

Question

我在这里遗漏了一些东西。 我有一个一维数组，我想广播到一个 ND 数组，但它不起作用：

>>> import numpy as np
>>> np.broadcast_to(np.arange(12),(12,2,2))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "c:\app\python\anaconda\2\lib\site-packages\numpy\lib\stride_tricks.py", line 173, in broadcast_to
    return _broadcast_to(array, shape, subok=subok, readonly=True)
  File "c:\app\python\anaconda\2\lib\site-packages\numpy\lib\stride_tricks.py", line 128, in _broadcast_to
    op_flags=[op_flag], itershape=shape, order='C').itviews[0]
ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (12,) and requested shape (12,2,2)

Answer 1

解决方案

您需要将最后一个维度的大小作为第一个参数（arange 数组）的大小。 这有效。 只需将 12 放在最后并转置

import numpy as np
np.broadcast_to(np.arange(12),(2,2,12)).T # so it fits exactly your question, transpose

---

>>> np.broadcast_to(np.arange(12),(2,2,12)).T.shape
(12, 2, 2)

笔记

查看文档，似乎您确实需要在两者上都有相应的形状 - 数组和所需的形状。 如果你有

np.arange(X)

那么你可以有任何想要的形状，只要最后一个维度的形状是 X

np.broadcast_to(np.arange(X),(ANY,ANY,ANY,ANY,ANY,X))

你可以用这个有趣的例子来测试它

X = 10
np.broadcast_to(np.arange(X),[i for i in range(X+1)]).shape

编辑：

关于@Divakar对 OP的评论（添加额外维度），看起来有两种可能的方法具有相同的结果

solution1 = np.broadcast_to(np.arange(12)[:,None,None], (12,2,2)) # Divakar's
solution2 = np.broadcast_to(np.arange(12),(12,2,2)[::-1]).T # without extra dimensions, using Transpose

>>> np.all(solution1 == solution2)
True

Answer 2

广播有两个步骤：

• 展开左侧的尺寸以匹配
• 展开所有尺寸 1 的尺寸以匹配

对于大小为 (12,) 的数组，第一步可以生成 (1,1,12)，但不能生成 (12,1,1)。 第二步可以扩展到（2,2,12）。 但是你想要 (12,2,2)。

所以你必须明确添加尾随尺寸

In [773]: np.broadcast_to(np.arange(12)[:,None,None], (12,2,2)).shape
Out[773]: (12, 2, 2)

In [775]: np.broadcast_to(np.arange(3)[:,None,None], (3,2,2))
Out[775]: 
array([[[0, 0],
        [0, 0]],

       [[1, 1],
        [1, 1]],

       [[2, 2],
        [2, 2]]])

因此，通过这些规则广播到 (2,2,12) 起作用，并且转置可以将其更改为 (12,2,2)

广播到 (12,12,12) 相当于扩展 (1,1,12)。 arange是最后一个维度，而不是第一个维度。 我们不想切割最后一个维度

In [777]: np.broadcast_to(np.arange(3),(3,3,3))[:,:2,:2]
Out[777]: 
array([[[0, 1],
        [0, 1]],

       [[0, 1],
        [0, 1]],

       [[0, 1],
        [0, 1]]])

Answer 3

当您广播到 ND 时，新形状必须与一维数组的输入相匹配。 例如，你可以这样做：

np.broadcast_to(np.arange(12),(12,12))

或者

np.broadcast_to(np.arange(12),(12,12,12))

从您的示例中，它无法将 12 个数字广播到长度为 2 的维度中。

Answer 4

如果你想要一些你提到的广播的子集，那么你可以对数组进行切片。

arr = np.broadcast_to(np.arange(12),(12,12,12))
arr = arr[:,:2,:2]

这给出了您想要的所需结果。