Python 3D-1D 数组乘法答案

【问题标题】：Python 3D-1D Array multiplicationPython 3D-1D 数组乘法
【发布时间】：2021-01-22 07:54:56
【问题描述】：

好的，所以我想将一个 3D 数组和 1D 数组相乘，然后像下面的示例一样进行求和

A = [Array([[[100, 100, 100],
            [100, 100, 100]],

            [[100, 100, 100],
            [100, 100, 100]]]), 

    Array([[[200, 200, 200],
            [200, 200, 200]],

            [[200, 200, 200],
            [200, 200, 200]]])]

Weight = [0.25,0.75]


# A[0]*Weight[0]+A[1]*Weight[1]

C = [[[100*0.25 + 200*0.75, 100*0.25 + 200*0.75, 100*0.25 + 200*0.75],
      [100*0.25 + 200*0.75, 100*0.25 + 200*0.75, 100*0.25 + 200*0.75]],
    
     [[100*0.25 + 200*0.75, 100*0.25 + 200*0.75, 100*0.25 + 200*0.75],
      [100*0.25 + 200*0.75, 100*0.25 + 200*0.75, 100*0.25 + 200*0.75]]]
    
  = [[[175, 175, 175],
      [175, 175, 175]],
    
     [[175, 175, 175],
      [175, 175, 175]]]

问题是我如何在 python 中做到这一点？我尝试使用np.multiply、np.dot、np.matmul，但它们似乎都没有按我的预期工作。也许我没有正确地做到这一点。顺便说一句，我还希望它能够乘以更大的数组，例如 A 数组，其中包含多个 Array()，而不仅仅是示例中的 2。当然Weight Array 的长度会跟随A Array 的长度。另外，如果可能的话，我也想避免使用for-loop，而只使用numpy 函数。

【问题讨论】：

我们可以假设您使用的是 numpy 数组吗？你看过 numpy 广播机制吗？ numpy.org/devdocs/user/theory.broadcasting.html

标签： python arrays numpy multidimensional-array

【解决方案1】：

只需广播这些值并总结它们。

import numpy as np

A = np.array([np.array([[[100, 100, 100],
            [100, 100, 100]],

            [[100, 100, 100],
            [100, 100, 100]]]), 

    np.array([[[200, 200, 200],
            [200, 200, 200]],

            [[200, 200, 200],
            [200, 200, 200]]])])


Weight = np.array([0.25,0.75])

P = (A * Weight[:, None, None, None]).sum(0)

或者您也可以使用einsum。将最后一行替换为 -

P = np.einsum("ijkl,i->jkl", A, Weight)

给出相同的结果。

【讨论】：

当我使用 P = (A * Weight[:, None, None, None]).sum(0) 时出现此错误 TypeError: list indices must be integers or slices, not tuple ，但如果我使用 einsum 它可以工作

【解决方案2】：

试试：

A = np.array([np.array([[[100, 100, 100],
            [100, 100, 100]],

            [[100, 100, 100],
            [100, 100, 100]]]), 

    np.array([[[200, 200, 200],
            [200, 200, 200]],

            [[200, 200, 200],
            [200, 200, 200]]])])

Weight = np.array([0.25,0.75])

res = (Weight[:, np.newaxis, np.newaxis, np.newaxis] * A).sum(axis=0)

分辨率：

array([[[175., 175., 175.],
        [175., 175., 175.]],

       [[175., 175., 175.],
        [175., 175., 175.]]])

你需要有形状：

A.shape：

(2, 2, 2, 3)

重量.形状：

(2, 1, 1, 1)

【讨论】：