在python中沿轴广播/扩展布尔数组答案

【问题标题】：broadcast / extend boolean array along axis in python在python中沿轴广播/扩展布尔数组
【发布时间】：2016-10-27 08:08:31
【问题描述】：

我正在尝试沿向量广播一个布尔一维数组以隔离某些操作。

例如，如果我的布尔数组是：

b = array([True False False True])

与

np.shape(b) = (4,)

我想进行逐行比较的矩阵是这种形式：

A = array([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0], [10.0, 11.0, 12.0]])

与

np.shape(A) = (4, 3)

我想要的最终结果是：

C = b * A (row-wise comparison) 

C = array([[1.0, 2.0, 3.0], [0.0, 0.0, 0.0], [0.0, 0.0, 0.0], [10.0, 11.0, 12.0]])

我意识到这可以通过切片来完成，但我需要使用逻辑数组来提高速度。有没有办法“扩展”布尔向量以便它在行上工作？

这个想法是能够在一行中计算一个函数，以便

D = b * A * (some operation done over all vectors) + ~b * A * (some different operation done over all vectors)

谢谢！

【问题讨论】：

您确定不要np.where(b, (some operation), (some other operation))？
我不确定它在这种情况下是否有效，因为我需要做的操作是基于向量的索引（即，如果向量在此索引处，请执行此操作）。我认为作为一个完全向量化的操作，最快的方法是使用逻辑数组，而不是切片。
查看接受的答案，您似乎确实想要np.where(b[:,None], A*..., A*...)。这应该至少和你上面的乘法一样快（如果不是，那么你应该针对 numpy 提交一个错误来做到这一点！）

【解决方案1】：

将b 扩展到2D，将第二个轴保持为单维（与length = 1 的维度）并与A 相乘。因此，在后台 b 将被广播为与 A 相同的形状，并且将执行逐元素乘法。

因此，矢量化解决方案将是 -

A*b[:,None]

【讨论】：