如何将 numpy 元组数组乘以标量数组答案

【问题标题】：How to multiply a numpy tuple array by scalar array如何将 numpy 元组数组乘以标量数组
【发布时间】：2011-07-04 15:04:40
【问题描述】：

我有一个形状为 (N,2) 的 numpy 数组 A 和一个形状为 (N) 的 numpy 数组 S。

如何将两个数组相乘？目前我正在使用此代码：

tupleS = numpy.zeros( (N , 2) )
tupleS[:,0] = S
tupleS[:,1] = S
product = A * tupleS

我是 python 初学者。有没有更好的方法来做到这一点？

【问题讨论】：

标签： python arrays numpy tuples

【解决方案1】：

Numpy 使用行优先顺序，因此您必须显式创建一列。如：

>> A = numpy.array(range(10)).reshape(5, 2)
>>> B = numpy.array(range(5))
>>> B
array([0, 1, 2, 3, 4])
>>> A * B
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: shape mismatch: objects cannot be broadcast to a single shape
>>> B = B.reshape(5, 1)
>>> B
array([[0],
       [1],
       [2],
       [3],
       [4]])
>>> A * B
array([[ 0,  0],
       [ 2,  3],
       [ 8, 10],
       [18, 21],
       [32, 36]])

【讨论】：

值得注意的是reshape 创建的是视图，而不是副本：>>> s = numpy.arange(5); s.reshape(5, 1)[3,0] = 99; repr(s) -> 'array([ 0, 1, 2, 99, 4])'。所以你可以只做A * B.reshape(5, 1)而不改变B。

【解决方案2】：

与@senderle 的答案基本相同，但不需要对 S 进行就地操作。您可以通过添加索引为 None 的轴的方式获得一个数组切片，这将使它们相乘：@987654322 @。

>>> S = np.arange(5)
>>> S
array([0, 1, 2, 3, 4])
>>> A = np.arange(10).reshape((5,2))
>>> A
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
>>> S[:,None]
array([[0],
       [1],
       [2],
       [3],
       [4]])
>>> A * S[:,None]
array([[ 0,  0],
       [ 2,  3],
       [ 8, 10],
       [18, 21],
       [32, 36]])

【讨论】：

【解决方案3】：

你试过这个吗：

product = A * S

【讨论】：

+1，使用 numpy 的广播功能总是要走的路。
@Stiefel，@MRAB，我认为问题在于您必须为broadcasting to work 重塑S。
对，由于形状不匹配，A*S 不起作用。重塑确实是解决方案。

【解决方案4】：

你的问题的标题有点用词不当，我认为你遇到的问题主要与numpybroadcasting rules有关。因此，以下内容将不起作用（正如您已经观察到的那样）：

In []: N= 5
In []: A= rand(N, 2)
In []: A.shape
Out[]: (5, 2)

In []: S= rand(N)
In []: S.shape
Out[]: (5,)

In []: A* S
------------------------------------------------------------
Traceback (most recent call last):
  File "<ipython console>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (5,2) (5)

然而，现在使S 与广播规则（A* S 的元素明智产品）兼容的一种简单方法是扩展其维度，例如：

In []: A* S[:, None]
Out[]: 
array([[ 0.54216549,  0.04964989],
       [ 0.41850647,  0.4197221 ],
       [ 0.03790031,  0.76744563],
       [ 0.29381325,  0.53480765],
       [ 0.0646535 ,  0.07367852]])

但这实际上只是expand_dims 的语法糖，例如：

In []: expand_dims(S, 1).shape
Out[]: (5, 1)

无论如何，我个人更喜欢这种简单无忧的方法：

In []: S= rand(N, 1)
In []: S.shape
Out[]: (5, 1)

In []: A* S
Out[]: 
array([[ 0.40421854,  0.03701712],
       [ 0.63891595,  0.64077179],
       [ 0.03117081,  0.63117954],
       [ 0.24695035,  0.44950641],
       [ 0.14191946,  0.16173008]])

因此python;显式比隐式更直接。

【讨论】：

谢谢，我改了标题。好答案。我接受了 senderles 的回答，因为它是最简单的。所有答案都旨在将形状修改为 (N,1)。

【解决方案5】：

我能想到：

product = A * numpy.tile(S, (2,1)).T

更快的解决方案可能是：

product = [d * S for d in A.T]

虽然这不会为您提供一个 numpy 数组作为输出，但它已被转置。所以要得到一个类似的numpy数组（注意这比第一种解决方案要慢）：

product = numpy.array([d * S for d in A.T]).T

可能还有十几种其他有效的解决方案，包括比这些更好的解决方案......

【讨论】：