我在文件中有两个一维 numpy 数组。
'test1'=(2,3)
'test2'=(5,6,7)
我想把它们相乘得到
t=(10, 12, 14, 15, 18, 21)
我正在使用这个程序
import numpy as np
a=open('test1')
b=open('test2')
c=open('test3','w+')
t1=np.loadtxt(a)
t2=np.loadtxt(b)
t=t1*t2
print >> c, t
当我运行程序时，出现以下错误..
ValueError: 操作数无法与形状一起广播 (2) (3)
我应该怎么做才能得到想要的结果？
【问题讨论】：
numpy。
标签： python arrays numpy matrix multiplication
>>> import numpy as np
>>> a = np.array((2,3))
>>> b = np.array((5,6,7))
>>> np.outer(a,b).ravel()
array([10, 12, 14, 15, 18, 21])
编辑：
减法：我们不能使用numpy.outer，但我们可以使用numpy.newaxis：
>>> (a[:, np.newaxis] - b).ravel()
array([-3, -4, -5, -2, -3, -4])
【讨论】：
您可以使用广播功能。这是一个非常强大的概念，一旦我理解了它，它就为我打开了许多大门。这个想法是，如果您将 numpy 与两个数组结合使用，它会逐个元素地执行简单的操作（+、-、*、/ 等）。这意味着，您当然必须具有相同的形状（每个维度中的元素数量相同）。例如 A.shape == (3,4) 和 B.shape == (3,4) 你可以做 A*B 并获得相同形状的新数组，其中每个元素都是 A 和B 在相同的索引。
a = ones((3,4))*2
b = ones((3,4))*3
c = a*b
print c.shape
> (3,4)
根据该规则，有一个聪明的例外：只要数组在某个维度中只有一个元素，那么它就会被广播。这意味着这一维度将沿着该轴“放大”，并具有与其他阵列兼容所需的相同副本。
a = ones((3,4))*2
b = ones((1,4))*3
c = a*b
print c.shape
> (3,4)
好的，对于您的问题，您可以通过在数组中添加维度来使用它： 所以你有 a.shape = (2,) 你想得到 (2,1) 和 b.shape = (3,) 你想要 (1,3) 这样你就对它们使用了一个操作，它将被广播，所以 a 中的每个元素都将与 b 中的每个元素相乘。您可以通过将 np.newaxis 添加到数组中来做到这一点
a = np.array((2,3))[:,np.newaxis]
b = np.array((5,6,7))[np.newaxis,:]
print a.shape
> (2,1)
print b.shape
> (1,3)
c = a*b
> (2,3)
现在你会得到一个形状为 (2,3) 的数组，但你想要一个一维数组，所以你可以使用 flatten() 总结一下：
a = np.array((2,3))[:,np.newaxis]
b = np.array((5,6,7))[np.newaxis,:]
c = (a[:,np.newaxis]*b[np.newaxis,:]).flatten()
【讨论】：
我想知道为什么你认为t1*t2 会产生你想要的东西？
如果我写了：
[x,y,z]*[a,b]
你会说答案是什么？为什么？
一些可能性：
[x*a, y*b, z*??]
[x*???, y*a, z*b]
[[x*a, y*a, z*a],[x*b,y*b,z*b]]
[[x*a, x*b],[y*a, y*b],[z*a,z*b]]
[x*a, y*a, z*a, x*b, y*b, z*b]
etc
混合和匹配 2 个数字列表的多种方式。简而言之，numpy 尝试第一次逐个元素匹配，然后抱怨，因为它不知道如何处理不匹配的 z。
这是另一种生产“扁平”外部产品的方法：
(t1.reshape(2,1)*t2).reshape(6)
在 Python shell 中，分段尝试这个（和其他建议）以更好地了解发生了什么。
在最终的reshape 之前，这会产生一个二维矩阵。这是了解如何组合这 2 个向量的关键。
array([[10, 12, 14],
[15, 18, 21]])
【讨论】：