不同形状的 NumPy 数组的元素乘法答案

【问题标题】：Elementwise multiplication of NumPy arrays of different shapes不同形状的 NumPy 数组的元素乘法
【发布时间】：2018-12-23 04:14:23
【问题描述】：

当我使用 numpy.multiply(a,b) 将 numpy 数组与形状 (2, 1),(2,) 相乘时，我得到一个 2 x 2 矩阵。但我想要的是逐元素乘法。

我不熟悉 numpy 的规则。谁能解释这里发生了什么？

【问题讨论】：

【解决方案1】：

当在两个不同维数相同的数组之间进行元素操作时，NumPy 将执行广播。在您的情况下，Numpy 将沿着 a 的行广播 b：

import numpy as np
a = np.array([[1],
              [2]])
b = [3, 4]
print(a * b)

给予：

[[3 4]
 [6 8]]

为防止这种情况，您需要使a 和b 具有相同的维度。您可以在索引中使用np.newaxis 或None 向数组添加维度，如下所示：

print(a * b[:, np.newaxis])

给予：

[[3]
 [8]]

【讨论】：

【解决方案2】：

这里是输入数组a 和b，与您提到的形状相同：

In [136]: a
Out[136]: 
array([[0],
       [1]])

In [137]: b
Out[137]: array([0, 1])

现在，当我们使用* 或numpy.multiply(a, b) 进行乘法运算时，我们得到：

In [138]: a * b
Out[138]: 
array([[0, 0],
       [0, 1]])

结果是一个(2,2) 数组，因为 numpy 使用广播。

       # b
    #a | 0     1
     ------------
     0 | 0*0   0*1
     1 | 1*0   1*1

【讨论】：

【解决方案3】：

假设您有两个数组，a 和 b，形状分别为 (2,3) 和 (2,)：

a = np.random.randint(10, size=(2,3))
b = np.random.randint(10, size=(2,))

这两个数组，例如，包含：

a = np.array([[8, 0, 3],
              [2, 6, 7]])
b = np.array([7, 5])

现在要处理一个产品元素到元素a*b，您必须指定numpy 在到达数组b 的缺席axis=1 时必须做什么。你可以通过添加None来做到这一点：

result = a*b[:,None]

result 是：

array([[56,  0, 21],
       [10, 30, 35]])

【讨论】：

【解决方案4】：

我刚刚在broadcasting arrays in numpy解释了广播规则

你的情况

(2,1) + (2,) => (2,1) + (1,2) => (2,2)

它必须给第二个参数添加一个维度，并且只能在开头添加它（以避免歧义）。

所以你想要一个 (2,1) 结果，你必须自己扩展第二个参数，使用reshape 或[:, np.newaxis]。

【讨论】：