首页 文章

Numpy：用向量元素划分每一行

提问于
浏览 次
89

假设我有一个numpy数组：

data = np.array([[1,1,1],[2,2,2],[3,3,3]])

我有一个相应的“矢量：”

vector = np.array([1,2,3])

如何对每行 data 进行减法或除法，结果如下：

sub_result = [[0,0,0], [0,0,0], [0,0,0]]
div_result = [[1,1,1], [1,1,1], [1,1,1]]

长话短说：如何使用与每行对应的一维标量数组对2D数组的每一行执行操作？

python arrays numpy scipy

4 回答

  • 1

    JoshAdel的解决方案使用np.newaxis添加维度 . 另一种方法是使用reshape() to align the dimensions in preparation for broadcasting .

    data = np.array([[1,1,1],[2,2,2],[3,3,3]])
vector = np.array([1,2,3])

data
# array([[1, 1, 1],
#        [2, 2, 2],
#        [3, 3, 3]])
vector
# array([1, 2, 3])

data.shape
# (3, 3)
vector.shape
# (3,)

data / vector.reshape((3,1))
# array([[1, 1, 1],
#        [1, 1, 1],
#        [1, 1, 1]])

    执行reshape（）允许维度排列为广播：

    data:            3 x 3
vector:              3
vector reshaped: 3 x 1

    请注意 data/vector 没问题，但它无法为您提供所需的答案 . 它将 array 的每一列（而不是每一行）除以 vector 的每个对应元素 . 如果您明确地将 vector 重新塑造为 1x3 而不是 3x1 ，那么您将得到的结果 .

    data / vector
# array([[1, 0, 0],
#        [2, 1, 0],
#        [3, 1, 1]])
data / vector.reshape((1,3))
# array([[1, 0, 0],
#        [2, 1, 0],
#        [3, 1, 1]])
    回复于
  • 10

    干得好 . 您只需要将 None （或者 np.newaxis ）与广播结合使用：

    In [6]: data - vector[:,None]
Out[6]:
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

In [7]: data / vector[:,None]
Out[7]:
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])
    回复于
  • 142

    如前所述，使用 None 或使用 np.newaxes 进行切片是一种很好的方法 . 另一种选择是使用转置和广播，如

    (data.T - vector).T

    和

    (data.T / vector).T

    对于更高维的数组，您可能需要使用NumPy数组的 swapaxes 方法或NumPy rollaxis 函数 . 确实有很多方法可以做到这一点 .

    有关广播的更全面解释，请参阅http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html

    回复于
  • 0

    Pythonic的方法是......

    np.divide(data,vector)

    这需要重新整形，结果也是浮点格式 . 在其他答案中，结果采用舍入整数格式 .

    #NOTE: 数据和向量中的列数不应匹配

    回复于

相关问题