Question

从文档中，这里是元素划分如何正常工作

a1 = np.array([8,12,14])
b1 = np.array([4,6,7])
a1/b1
array([2, 2, 2])

哪个有效。我想，我在不同的阵列上尝试同样的事情而事实并非如此。对于两个3-dim向量，它返回3x3矩阵。我甚至确保他们的“形状相同”，但没有区别。

>> t
array([[  3.17021277e+00],
       [  4.45795858e-15],
       [  7.52842809e-01]])
>> s
array([  1.00000000e+00,   7.86202619e+02,   7.52842809e-01])
>> t/s
array([[  3.17021277e+00,   4.03231011e-03,   4.21098897e+00],
       [  4.45795858e-15,   5.67024132e-18,   5.92149984e-15],
       [  7.52842809e-01,   9.57568432e-04,   1.00000000e+00]])
t/s.T
array([[  3.17021277e+00,   4.03231011e-03,   4.21098897e+00],
       [  4.45795858e-15,   5.67024132e-18,   5.92149984e-15],
       [  7.52842809e-01,   9.57568432e-04,   1.00000000e+00]])

Answer 1

这是因为你的两个数组的形状是 t.shape =（3,1）和s.shape =（3，）。所以广播规则适用：他们声明如果两个维度相等，那么就按元素进行，如果它们不相同则会失败，除非其中一个是一个，这就是它变得有趣的地方：在这种情况下维度为1的数组将迭代其他维度的所有元素的操作。

我想你想做的就是

t[:,0] / s

或

np.squeeze(t) / s

这两个都将摆脱t中的空第一维。这真的不是一个错误它是一个功能！因为如果你有两个向量，并且你想在所有元素之间进行操作，那么你就是这样做的：

a = np.arange(3)
b = np.arange(3)

你可以现在做的元素：

a*b = [0,1,4]

如果您希望在所有元素之间执行此操作，您可以插入尺寸为1的尺寸，如下所示：

a[np.newaxis,:] * b[:,np.newaxis]

试一试！这确实是一个方便的概念，虽然我一开始看到这是多么令人困惑。

Numpy元素明智的部门没有按预期工作

1 个答案: