在numpy中用不同形状的矩阵进行求和和乘法运算

Question

我有一个N * M矩阵A和一个N长度向量V.我想做A + V，其中A的行i中的每个元素与V中的元素i相加。怎么做？< / p>

e.g：

A = np.random.rand(3,2)
V = np.array([1,2,3])
A + V

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

我想用乘法和除法做同样的事。

Answer 1

解决方案：

V = V.reshape(-1,1)
A + V

现在可行了

Answer 2

这里要查找的概念是broadcasting。它使您能够在任何两个矩阵之间进行逐点交互，只要它们的形状对应，或者在没有对应的轴上，至少有一个边是简并的，即大小为1。在您的情况下，您需要将轴添加到V.可以如下优雅地执行此操作

A + V[:, np.newaxis]

Answer 3

你需要告诉numpy它必须将向量V的维度扩展为1，你可以使用特殊索引np.newaxis来完成它。它看起来像这样：

import numpy as np

A = np.array([[10,20],[100,200],[1000,2000]])
V = np.array([1,2,3])
A + V[:,np.newaxis]

array([[  11,   21],
       [ 102,  202],
       [1003, 2003]])

来自slicing docs：

  

选择元组中的每个newaxis对象用于将结果选择的维度扩展一个单位长度维度。添加的维度是newaxis对象在选择元组中的位置。