我有以下2D数组:
a = array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12],
[13, 14, 15]])
和另一个1D阵列:
b = array([ 1, 2, 3, 4, 5])
然后我想计算像
这样的东西c = a - b
意图得到:
c = array([[0, 1, 2],
[2, 3, 4],
[4, 5, 6],
[6, 7, 8],
[8, 9, 10]])
但我收到错误消息:
Traceback (most recent call last):
Python Shell, prompt 79, line 1
ValueError: operands could not be broadcast together with shapes (5,3) (5,)
我阅读了广播规则,但没有更明智。我可以使用for循环或类似方法进行解决,但应该有一个直接的方法。感谢
答案 0 :(得分:18)
您需要转换数组.Where()
数组,在索引元组中使用b to a (2, 1) shape
。这是Indexing of Numpy array。
你可以这样做:
None or numpy.newaxis
输出:
import numpy
a = numpy.array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12],
[13, 14, 15]])
b = numpy.array([ 1, 2, 3, 4, 5])
c=a - b[:,None]
print c
答案 1 :(得分:3)
作为评论中指定的Divakar,只需向b
添加新轴即可。
我建议你阅读更多关于broadcasting的内容,这对于在numpy中矢量化计算非常有用:有趣的是,a.transpose() - b
不会引发错误(你需要再次转置结果以获得所需的输出。)
在此计算中,第一个数组的形状为(3, 5)
,b.shape
为(5,)。因此b
的形状对应于a
形状的尾部,并且可以发生广播。当第一个数组的形状为(5, 3)
时,情况并非如此,因此您获得了错误。
以下是一些运行时测试,用于比较建议答案的速度,以及a
和b
的值:您可以看到差异不是很显着
In [9]: %timeit (a.T - b).T
Out[9]: 1000000 loops, best of 3: 1.32 µs per loop
In [10]: %timeit a - b[:,None]
Out[10]: 1000000 loops, best of 3: 1.25 µs per loop
In [11]: %timeit a - b[None].T
Out[11]: 1000000 loops, best of 3: 1.3 µs per loop
答案 2 :(得分:0)
有时可以这样做:
C = numpy.zeros(shape=A.shape)
for i in range(len(A)):
C[i] = A[i] - B[i]
S = C.astype(int)
print(S)