在 numpy 中，将 3 维数组的第二维乘以 1 维数组的最快方法是什么？

【问题标题】：In numpy, what is the fastest way to multiply the second dimension of a 3 dimensional array by a 1 dimensional array?在 numpy 中，将 3 维数组的第二维乘以 1 维数组的最快方法是什么？
【发布时间】：2011-08-17 16:36:40
【问题描述】：

你有一个形状为 (a,b,c) 的数组，你想将第二维乘以一个形状为 (b) 的数组

for 循环可以，但有更好的方法吗？

例如。

A = np.array(shape=(a,b,c))
B = np.array(shape=(b))

for i in B.shape[0]:
    A[:,i,:]=A[:,i,:]*B[i]

【问题讨论】：

第二个维度是什么意思？您是指a=0 处的(b,c) 维度吗？

标签： python arrays multidimensional-array numpy

【解决方案1】：

使用broadcasting:

A*B[:,np.newaxis]

例如：

In [47]: A=np.arange(24).reshape(2,3,4)

In [48]: B=np.arange(3)

In [49]: A*B[:,np.newaxis]
Out[49]: 
array([[[ 0,  0,  0,  0],
        [ 4,  5,  6,  7],
        [16, 18, 20, 22]],

       [[ 0,  0,  0,  0],
        [16, 17, 18, 19],
        [40, 42, 44, 46]]])

B[:,np.newaxis] 的形状为 (3,1)。广播在左侧添加了新轴，所以这被广播成形状（1,3,1）。广播还会沿长度为 1 的轴重复项目。因此，当乘以 A 时，它会进一步广播到形状 (2,3,4)。这与A 的形状相匹配。然后像往常一样逐元素进行乘法。

【讨论】：