2d numpy數組的乘法/除法產生3d數組

Question

我正在尋找一種快速（即矢量化）的方法來替換以下循環。 我有2個numpy數組，其尺寸為（20738,14）和（31,14）。 我需要將它們逐個元素相乘以獲得（20738,31,14）的數組。 我一直在嘗試各種廣播配置，但似乎無法獲得理想的結果。

    v_mu_3d = np.zeros((v.shape[0], ALT_LEN, NEST_LEN))
    for k in range(NEST_LEN):
        v_mu_3d[:,:,k] = v * MU[:,k]
    v_mu_3d = np.exp(v_mu_3d)

類似的操作如下：

p2_3d = np.zeros((v.shape[0], ALT_LEN, NEST_LEN))
    for j in range(ALT_LEN):
        num = v_mu_3d[:,:,:].sum(axis=1)
        temp_MU = MU[j,:]
        num = ne.evaluate('where(temp_MU >0, num / temp_MU, 0)')
        denom = num.sum(axis=1)
        denom = denom[:, np.newaxis]
        p2_3d[:, j, :] = num / denom

我可以將底部替換為：

p2_3d = v_mu_3d.sum(axis=1) / v_mu_3d.sum(axis=2).sum(axis=1)[:,None]

但似乎無法弄清楚：

num / MU

它應該采用（20738,14）num數組，然后將元素逐個除以（31,14）MU數組。 np.repeat（）可能有效，但是速度至關重要，因為包含函數在最小化例程中運行了數千次。

更新根據Nils Werner的回答，這些循環可以簡化為：1）

p1_3d = v_mu_3d / v_mu_3d.sum(axis=1)[:,None,:]

和2）

num = v_mu_3d.sum(axis=1)
num = np.where(MU>0, num[:,None,:] / MU, 0)
p2_3d = num / num.sum(axis=1)[:,None,:]

Answer 1

只需使用廣播：

v.shape
# (20738, 14)
MU.shape
# (31, 14)

v_mu_3d = v[:, None, :] * MU
p2_3d = v[:, None, :] / MU

v_mu_3d.shape
# (20738, 31, 14)
p2_3d.shape
# (20738, 31, 14)