我有许多不同大小的数组,并带有一个公共索引。
例如,
Arr1 = np.arange(0, 1000, 1).reshape(100, 10)
Arr2 = np.arange(0, 500, 1).reshape(100,5)
Arr1.shape = (100, 10)
Arr2.shape = (100, 5)
我想将它们一起添加到一个新的数组中,Arr3是三维的。 e.g。
Arr3 = Arr1 + Arr2
Arr3.shape = (100, 10, 5)
请注意,在这种情况下,值应该对齐,例如
Arr3[10, 3, 2] = Arr1[10, 3] + Arr2[10, 2]
我一直在尝试使用以下方法
test = Arr1.copy()
test = test[:, np.newaxis] + Arr2
现在,在将两个方形矩阵一起添加时,我已经能够完成这项工作。
m = np.arange(0, 100, 1)
[x, y] = np.meshgrid(x, y)
x.shape = (100, 100)
test44 = x.copy()
test44 = test44[:, np.newaxis] + x
test44.shape = (100, 100, 100)
test44[4, 3, 2] = 4
x[4, 2] = 2
x[3, 2] = 2
然而,在我的实际程序中,我不会有这个问题的方形矩阵。 此外,当您开始向上移动维数时,此方法非常耗费内存,如下所示。
test44 = test44[:, :, np.newaxis] + x
test44.shape = (100, 100, 100, 100)
# Note this next command will fail with a memory error on my computer.
test44 = test44[:, :, :, np.newaxis] + x
所以我的问题有两部分:
非常感谢任何帮助。
答案 0 :(得分:4)
是的,您正在尝试做的是广播,如果输入具有正确的形状,它将由numpy自动完成。试试这个:
Arr1 = Arr1.reshape((100, 10, 1))
Arr2 = Arr2.reshape((100, 1, 5))
Arr3 = Arr1 + Arr2
我发现this是一个非常好的广播介绍,应该向您展示如何将这种行为扩展到n维。