Question

假设我有两个数组a和b，

  a.shape = (5,2,3)
  b.shape = (2,3)

然后c = a * b会给我一个c形状(5,2,3)的数组c[i,j,k] = a[i,j,k]*b[j,k]。

现在的情况是，

  a.shape = (5,2,3)
  b.shape = (2,3,8)

我希望c的形状为(5,2,3,8) c[i,j,k,l] = a[i,j,k]*b[j,k,l]。

如何有效地做到这一点？我的a和b实际上非常大。

Answer 1

这应该有效：

a[..., numpy.newaxis] * b[numpy.newaxis, ...]

用法：

In : a = numpy.random.randn(5,2,3)

In : b = numpy.random.randn(2,3,8)

In : c = a[..., numpy.newaxis]*b[numpy.newaxis, ...]

In : c.shape
Out: (5, 2, 3, 8)

参考：Array Broadcasting in numpy

编辑：更新了参考网址

Answer 2

我认为以下内容应该有效：

import numpy as np
a = np.random.normal(size=(5,2,3))
b = np.random.normal(size=(2,3,8))
c = np.einsum('ijk,jkl->ijkl',a,b)

和

In [5]: c.shape
Out[5]: (5, 2, 3, 8)

In [6]: a[0,0,1]*b[0,1,2]
Out[6]: -0.041308376453821738

In [7]: c[0,0,1,2]
Out[7]: -0.041308376453821738

使用

np.einsum可能有点棘手，但对于这些索引问题非常强大：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.einsum.html

另请注意，这需要numpy＆gt; = v1.6.0

我不确定你的特定问题的效率，但如果它的表现不如所需，那么一定要考虑使用Cython和显式的for循环，并且可能使用prange

<强>更新

In [18]: %timeit np.einsum('ijk,jkl->ijkl',a,b)
100000 loops, best of 3: 4.78 us per loop

In [19]: %timeit a[..., np.newaxis]*b[np.newaxis, ...]
100000 loops, best of 3: 12.2 us per loop


In [20]: a = np.random.normal(size=(50,20,30))
In [21]: b = np.random.normal(size=(20,30,80))

In [22]: %timeit np.einsum('ijk,jkl->ijkl',a,b)
100 loops, best of 3: 16.6 ms per loop

In [23]: %timeit a[..., np.newaxis]*b[np.newaxis, ...]
100 loops, best of 3: 16.6 ms per loop

In [2]: a = np.random.normal(size=(500,20,30))
In [3]: b = np.random.normal(size=(20,30,800))

In [4]: %timeit np.einsum('ijk,jkl->ijkl',a,b)
1 loops, best of 3: 3.31 s per loop

In [5]: %timeit a[..., np.newaxis]*b[np.newaxis, ...]
1 loops, best of 3: 2.6 s per loop

python中不同形状的数组的元素乘法

2 个答案: