是否有更好的廣播陣列方式？

Question

我想將數組b廣播到它與另一個數組a進行算術運算時所需的形狀。

例如，如果a.shape = (3,3)並且b是標量，我想得到一個形狀為(3,3)並且用標量填充的數組。

一種方法是這樣的：

>>> import numpy as np
>>> a = np.arange(9).reshape((3,3))
>>> b = 1 + a*0
>>> b
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])

雖然這實際上很有效，但我不禁覺得它看起來有點奇怪，並且對於那些看着代碼的人來說，我試圖做的事情並不明顯。

有沒有更優雅的方式來做到這一點？ 我查看了np.broadcast的文檔，但它的速度要低np.broadcast數量級。

In [1]: a = np.arange(10000).reshape((100,100))

In [2]: %timeit 1 + a*0
10000 loops, best of 3: 31.9 us per loop

In [3]: %timeit bc = np.broadcast(a,1);np.fromiter((v for u, v in bc),float).reshape(bc.shape)
100 loops, best of 3: 5.2 ms per loop

In [4]: 5.2e-3/32e-6
Out[4]: 162.5

Answer 1

如果您只想用標量fill數組， fill可能是最佳選擇。 但聽起來你想要更通用的東西。 您可以使用broadcast_arrays來獲取您想要的結果（而不是使用broadcast ）。

>>> a = numpy.arange(9).reshape(3, 3)
>>> numpy.broadcast_arrays(a, 1)[1]
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])

這推廣到任何兩個可廣播的形狀：

>>> numpy.broadcast_arrays(a, [1, 2, 3])[1]
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

它不像你的基於ufunc的方法那么快，但它仍然處於同一數量級：

>>> %timeit 1 + a * 0
10000 loops, best of 3: 23.2 us per loop
>>> %timeit numpy.broadcast_arrays(a, 1)[1]
10000 loops, best of 3: 52.3 us per loop

但是標量， fill仍然是明顯的領跑者：

>>> %timeit b = numpy.empty_like(a, dtype='i8'); b.fill(1)
100000 loops, best of 3: 6.59 us per loop

最后，進一步的測試表明，最快的方法 - 至少在某些情況下 - 是乘以ones ：

>>> %timeit numpy.broadcast_arrays(a, numpy.arange(100))[1]
10000 loops, best of 3: 53.4 us per loop
>>> %timeit (1 + a * 0) * numpy.arange(100)
10000 loops, best of 3: 45.9 us per loop
>>> %timeit b = numpy.ones_like(a, dtype='i8'); b * numpy.arange(100)
10000 loops, best of 3: 28.9 us per loop

Answer 2

fill聽起來像最簡單的方式：

>>> a = np.arange(9).reshape((3,3))
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> a.fill(10)
>>> a
array([[10, 10, 10],
       [10, 10, 10],
       [10, 10, 10]])

編輯：作為@EOL指出的那樣，你就不需要arange ，如果你想創建一個新的數組， np.empty((100,100))或其他形狀），是為了這個美好的。

時序：

In [3]: a = np.arange(10000).reshape((100,100))
In [4]: %timeit 1 + a*0
100000 loops, best of 3: 19.9 us per loop

In [5]: a = np.arange(10000).reshape((100,100))
In [6]: %timeit a.fill(1)
100000 loops, best of 3: 3.73 us per loop

Answer 3

如果你只需要將標量廣播到某個任意形狀，你可以這樣做：

a = b*np.ones(shape=(3,3))

編輯： np.tile更通用。 您可以使用它來復制任意數量的任何標量/向量：

b = 1
N = 100
a = np.tile(b, reps=(N, N))

Answer 4

我所知道的最快，最干凈的解決方案是：

b_arr = numpy.empty(a.shape)  # Empty array
b_arr.fill(b)  # Filling with one value