使用 Numpy 进行逐行缩放答案

【问题标题】：Row-wise scaling with Numpy使用 Numpy 进行逐行缩放
【发布时间】：2013-01-16 08:12:05
【问题描述】：

我有一个维度为 MxN 的数组 H 和一个维度为 M 的数组 A 。我想用数组 A 缩放 H 行。我这样做是利用 Numpy 的逐元素行为

H = numpy.swapaxes(H, 0, 1)
H /= A
H = numpy.swapaxes(H, 0, 1)

它可以工作，但是两个 swapaxes 操作不是很优雅，我觉得有一种更优雅和简洁的方式来实现结果，而无需创建临时对象。你能告诉我怎么做吗？

【问题讨论】：

How to normalize a 2-dimensional numpy array in python less verbose? 的可能重复项

标签： python numpy

【解决方案1】：

您只需要重塑A 以便正确广播：

A = A.reshape((-1, 1))

所以：

In [21]: M
Out[21]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17],
       [18, 19, 20]])


In [22]: A
Out[22]: array([1, 2, 3, 4, 5, 6, 7])


In [23]: M / A.reshape((-1, 1))
Out[23]: 
array([[0, 1, 2],
       [1, 2, 2],
       [2, 2, 2],
       [2, 2, 2],
       [2, 2, 2],
       [2, 2, 2],
       [2, 2, 2]])

【讨论】：

【解决方案2】：

我认为你可以简单地使用H/A[:,None]:

In [71]: (H.swapaxes(0, 1) / A).swapaxes(0, 1)
Out[71]: 
array([[  8.91065496e-01,  -1.30548362e-01,   1.70357901e+00],
       [  5.06027691e-02,   3.59913305e-01,  -4.27484490e-03],
       [  4.72868136e-01,   2.04351398e+00,   2.67527572e+00],
       [  7.87239835e+00,  -2.13484271e+02,  -2.44764975e+02]])

In [72]: H/A[:,None]
Out[72]: 
array([[  8.91065496e-01,  -1.30548362e-01,   1.70357901e+00],
       [  5.06027691e-02,   3.59913305e-01,  -4.27484490e-03],
       [  4.72868136e-01,   2.04351398e+00,   2.67527572e+00],
       [  7.87239835e+00,  -2.13484271e+02,  -2.44764975e+02]])

因为None（或newaxis）在维度A 中扩展(example link)：

In [73]: A
Out[73]: array([ 1.1845468 ,  1.30376536, -0.44912446,  0.04675434])

In [74]: A[:,None]
Out[74]: 
array([[ 1.1845468 ],
       [ 1.30376536],
       [-0.44912446],
       [ 0.04675434]])

【讨论】：