[英]numpy subtract/add 1d array from 2d array
我有以下二維數組:
a = array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12],
[13, 14, 15]])
和另一個一維數組:
b = array([ 1, 2, 3, 4, 5])
然后我想計算類似的東西
c = a - b
旨在獲得:
c = array([[0, 1, 2],
[2, 3, 4],
[4, 5, 6],
[6, 7, 8],
[8, 9, 10]])
但我收到了錯誤消息:
Traceback (most recent call last):
Python Shell, prompt 79, line 1
ValueError: operands could not be broadcast together with shapes (5,3) (5,)
我閱讀了廣播規則,但沒有變得更明智。 我可以用 for-loops 或類似方法做一個解決方法,但應該有一個直接的方法。 謝謝
您需要將數組b to a (2, 1) shape
轉換b to a (2, 1) shape
數組,在索引元組中使用None or numpy.newaxis
。 這是Numpy數組的索引 。
你可以這樣做:
import numpy
a = numpy.array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12],
[13, 14, 15]])
b = numpy.array([ 1, 2, 3, 4, 5])
c=a - b[:,None]
print c
輸出:
Out[2]:
array([[ 0, 1, 2],
[ 2, 3, 4],
[ 4, 5, 6],
[ 6, 7, 8],
[ 8, 9, 10]])
正如評論中指定的Divakar,只需向b
添加一個新軸。
我建議你閱讀更多有關廣播的內容 ,這對於在numpy中矢量化計算非常有用:有趣的是, a.transpose() - b
不會引發錯誤(你需要再次轉置結果以獲得所需的輸出)。
在這個計算中,第一個數組的形狀是(3, 5)
,而b.shape
是(5,)。 所以形狀b
對應的形狀的尾巴a
,和廣播可能發生。 當第一個數組的形狀為(5, 3)
,情況並非如此,因此您獲得的錯誤。
以下是一些運行時測試,用於比較建議答案的速度,以及a
和b
值:您可以看到差異不是很顯着
In [9]: %timeit (a.T - b).T
Out[9]: 1000000 loops, best of 3: 1.32 µs per loop
In [10]: %timeit a - b[:,None]
Out[10]: 1000000 loops, best of 3: 1.25 µs per loop
In [11]: %timeit a - b[None].T
Out[11]: 1000000 loops, best of 3: 1.3 µs per loop
有時這樣做很有用:
C = numpy.zeros(shape=A.shape)
for i in range(len(A)):
C[i] = A[i] - B[i]
S = C.astype(int)
print(S)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.