如何将 numpy 2D 数组广播到 6D 数组答案

【问题标题】：How to broadcast a numpy 2D-array to a 6D-array如何将 numpy 2D 数组广播到 6D 数组
【发布时间】：2014-10-03 21:31:14
【问题描述】：

我有三个六维 Numpy 数组（在 python 3.4 上运行）

Weights 
MyValue 
WeightedValue  = Weight * MyValue

我想确定MyValue 的加权平均值，由Weights'轴-j（范围可能从 0 到 4）在其他轴上加权，但轴 5 除外。

（所以当j=2 时，我们在0,1,3, 和4 之间取平均值）。

然后我打算取这个平均值并乘以 Weights 并从 WeightedValue 中减去乘积

我打算这样做是

NewArray   = WeightedValue - Weight * fn( Weighted Value, Weights )
NewMyValue = NewArray / Weights

fn() 将是 MyValue 的平均值，定义为：

               the sum of Weighted Value using 4 axes ( all except j and 5 )
< divided by >---------------------------------------------------------------
               the sum of Weights across 4 axes       ( all except j and 5 )

我的问题如下：

平均值是一个二维数组，我需要 fn() 来生成一个 6 维数组，即广播其他 4 维的二维结果

作为最后的手段，我可以创建一系列循环来迭代轴 j 和轴 5。对于第二个轴（j=1），循环如下

import numpy as np
result = np.zeros((dim0,dim1,dim2,dim3,dim4,dim5))
for var1 in range(dim1):
    for var5 in range(dim5):
        result[:,dim1,:,:,:,dim5] = AverageValue[dim1,dim5]

但我希望有更直接和通用的方法

【问题讨论】：

考虑添加独立运行的示例代码。如果您知道如何使用循环执行此操作，请使用它们，我们可以帮助您删除它们。查看'how to ask a good question'。
一个我们可以运行的小例子，以及你想要的那个例子的输出，会很有帮助。这样，潜在的回答者就会确切地知道您要做什么。

标签： python arrays numpy broadcast

【解决方案1】：

你可以使用 fn 代替：

j = 1;
axes = tuple({0,1,2,3,4} - {j})
fn = WeightedValue.sum(axes, keepdims=True) / Weights.sum(axes, keepdims=True)

显然，关键是要传递keepdims=True，它会在求和轴的结果中保留单一维度，并使结果适合进一步广播。

【讨论】：