我想将 a[nn,...,0] 中的所有值减去 b[nn] 而 保持数组的原始结构a。
我在从 ndnumpy 数组中进行索引和元素减法时遇到问题。 在我的例子中，数组 a 有 6 个维度
In[]: a.shape
Out[]: (101, 256, 1, 3, 1, 10)
为了一致性，最低维度N=0有10个元素，最高维度N=5有101个元素。
我还有一个一维数组b，它的大小与最高的相同 a 中的维度。
In[]: b.shape
Out[]: (101,)
我想从 a 中减去 b，这样 b 中的第 nn 个元素是 从值 a[nn,...,0] 中减去。我知道我可以使用 for 循环来做到这一点，但也应该可以广播 b 以使我可以使用类似的东西
In[]: c= a[:,...,0]-b[somehow broadcastet or reshaped]
In[]: c.shape()
Out[]: (101, 256, 1, 3, 1, 10)
【问题讨论】：
您确实可以利用broadcasting 做到这一点。
让我们首先生成一些指定形状的随机ndarrays，以检查最终尺寸是否符合预期：
a = np.random.rand(101, 256, 1, 3, 1, 10)
b = np.random.rand(101)
在这种情况下，您必须将 a.ndim 维度添加到 b，以便将 b 中的每个值减去 a 的最后一个维度中的每个值。按照this 帖子中的想法，我们可以使用np.reshape 以更简洁的方式添加a.ndim 新维度，如下所示：
b = b.reshape((-1,) + (1,)*(a.ndim-1))
print(b.shape)
# (101, 1, 1, 1, 1, 1)
现在我们可以根据需要从a 中减去b：
a[..., 0, None] = a[..., 0, None] - b.reshape((-1,) + (1,) * (a.ndim-1))
如果我们检查a的形状：
print(a.shape)
# (101, 256, 1, 3, 1, 10)
以下是对上一个答案中可能出现的一些问题的一些解释。让我们考虑以下更简单的示例：
a = np.array([[1,2,3],[4,5,6]])
print(a)
array([[1, 2, 3],
[4, 5, 6]])
print(a.shape)
# (2, 3)
b = np.array([1,1])[:,None]
array([[1],
[1]])
print(b.shape)
# (2, 1)
所以对于这个例子，我们可以应用与上述解决方案相同的逻辑：
a[:,0,None] = a[:,0,None] - b
array([[0, 2, 3],
[3, 5, 6]])
通过检查结果数组，正如预期的那样，b 已从沿其最后一个轴的第一个索引上的 a 中减去，因此是所有行中的第一列。
所以第一点，
为什么我们必须在
a中添加一个新轴进行减法？
鉴于b 的形状，有必要向a 添加一个新轴。注意b 是一个二维数组array([[1],[1]])，所以如果你直接从a 中减去它，你会得到：
a[..., 0] - b
array([[0, 3],
[0, 3]])
所以，这里发生的是较小的数组，即第一项，它只是来自a、array([1, 4]) 的 1D 视图切片，已在较大的数组中广播，以便它们兼容形状。
如果b 的形状改为(2,)，则不需要这样做：
b = np.array([1,1])
a[:,0] - b
# array([0, 3])
但是由于实际解决方案中b的定义方式，它与a具有相同的维度。所以为了得到正确的输出，我们必须给a添加一个新轴：
a[:,0,None] - b
array([[0],
[3]])
这样我们就得到了正确的输出。
使用上面的方法，似乎无法将差异分配给充当 a 的“更正副本”的新数组？
看一下减法的结果就可以理解这个问题的答案：
c = a[:,0,None] - b
c.shape
(2, 1)
所以这里的a[:,0,None] 是a 的所谓“切片视图”。所以请注意，通过将此结果分配给c，您只保存了a 的实际sliced wiew，而不是整个ndarray。如果要在实际切片的相同位置修改a，则必须将其分配给a 的同一切片视图，因此：
a[:,0,None] = a[:,0,None] - b
print(a.shape)
# (2, 3)
现在结果确实有预期的输出，因为我们只修改了a 的一部分。如果您确实想保存原始ndarray 的副本，您可以使用np.copy，它将返回实际副本而不是a 的一部分，然后将结果分配给“更正后的副本”：
a_c = np.copy(a)
a_c[:,0,None] = a[:,0,None] - b
【讨论】：