简单的减法会导致不同数组形状的广播问题答案

【问题标题】：Simple subtraction causes a broadcasting issue for different array shapes简单的减法会导致不同数组形状的广播问题
【发布时间】：2015-12-24 05:27:20
【问题描述】：

我尝试使用 link 解决我的问题，描述 numpy 广播，但无济于事。如何减去以下numpy数组：

X = np.array([[[1,2,3,4],[1,2,3,4],[1,2,3,4]],
              [[4,3,2,1],[4,3,2,1],[4,3,2,1]]])
X_mean = np.average(X_, axis=1)

当我执行X - X_mean 时，它会说：

ValueError: operands could not be broadcast together with shapes (2,3,4) (2,4)

但是X[0] - X_mean[0] 会给出正确的输出：

array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

【问题讨论】：

标签： python arrays numpy array-broadcasting

【解决方案1】：

您需要保持尺寸对齐，broadcasting 才会发生。你有 -

In [4]: whos
Variable   Type       Data/Info
-------------------------------
X          ndarray    2x3x4: 24 elems, type `int64`, 192 bytes
X_mean     ndarray    2x4: 8 elems, type `float64`, 64 bytes

X_mean 的Axis-0 已经与X 的axis-0 对齐，所以一切都很好。
X_mean 的Axis-1 要与X 的axis-2 对齐，所以在X_mean 那里加上None/np.newaxis 的新轴，这样axis-1 可以推回到axis-2。

让我们验证形状对齐 -

In [7]: X_mean3D = X_mean[:,None,:]

In [8]: whos
Variable   Type       Data/Info
-------------------------------
X          ndarray    2x3x4: 24 elems, type `int64`, 192 bytes
X_mean     ndarray    2x4: 8 elems, type `float64`, 64 bytes
X_mean3D   ndarray    2x1x4: 8 elems, type `float64`, 64 bytes

然后，执行将引入广播的减法 -

In [5]: X - X_mean[:,None,:]
Out[5]: 
array([[[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]]])

【讨论】：

或者，可以使用mean 方法的keepdims 参数：result = X - X.mean(axis=1, keepdims=True)。

【解决方案2】：

作为补充：根据Numpy Broadcasting Rules，

当对两个数组进行操作时，NumPy 会逐元素比较它们的形状。它从尾随维度开始，然后向前推进。两个维度兼容时

他们是平等的

其中一个是 1

所以最好的办法是以轴 0 上的均值的方式对数据进行整形。

在你的情况下：

Y=np.rollaxis(X,1) # reshape (3,2,4)

Y-Y.mean(0)现在直接

array([[[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]]])

【讨论】：