沿任意维数复制向量答案

【问题标题】：Duplicating vector along an arbitrary number of dimensions沿任意维数复制向量
【发布时间】：2020-10-28 15:50:21
【问题描述】：

我想沿着另一个数组的维度重复1D-array，知道这个维度的数量可以改变。

例如：

import numpy as np
to_repeat = np.linspace(0, 100, 10)
base_array = np.random.random((24, 60)) ## this one can have more than two dimensions.

final_array = np.array([[to_repeat for i in range(base_array.shape[0])] for j in range(base_array.shape[1])]).T
print(final_array.shape)
# >>> (10, 24, 60)

如何将其扩展到具有任意维数的数组base_array？可能使用numpy 向量化函数以避免循环？

编辑（大图）：

base_array实际上是(10, 24, 60)的形状（如果我们坚持这个例子），其中沿第一维的坐标是向量to_repeat。

我正在寻找沿base_array 的第一个维度的最小值，并创建相应坐标的数组，这里的形状为(24, 60)。

【问题讨论】：

你用这个做什么？因为你几乎肯定想要广播 to_repeat 而不是实际制作 final_array。
查看我编辑的问题！

标签： python numpy

【解决方案1】：

你不需要final_array，你可以通过以下方式得到你想要的结果：

to_repeat[base_array.argmin(0)]

【讨论】：

这个返回Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: index 18 is out of bounds for axis 0 with size 10
您需要提供可运行的代码，清楚地显示您的输入形状和预期输出。如果base_array.shape = (10, 24, 60) 如您所说，argmin(0) 不应返回 18。
抱歉，我在运行您的答案时打错了字。它确实完美无缺。