Question

我尝试用link解决我的问题，描述了numpy广播，但无济于事。如何减去以下numpy数组：

X = np.array([[[1,2,3,4],[1,2,3,4],[1,2,3,4]],
              [[4,3,2,1],[4,3,2,1],[4,3,2,1]]])
X_mean = np.average(X_, axis=1)

当我X - X_mean时，它声明：

ValueError: operands could not be broadcast together with shapes (2,3,4) (2,4)

但是X[0] - X_mean[0]给出了正确的输出：

array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

Answer 1

您需要保持broadcasting的尺寸一致。你有 -

In [4]: whos
Variable   Type       Data/Info
-------------------------------
X          ndarray    2x3x4: 24 elems, type `int64`, 192 bytes
X_mean     ndarray    2x4: 8 elems, type `float64`, 64 bytes

Axis-0

X_mean已与axis-0的{{1}}对齐，所以那里一切都很好。

X的{{1}} 与Axis-1的{{1}}对齐，因此请为{{{}添加新轴1}} None/np.newaxis，X_mean可以推回到axis-2。

让我们验证形状对齐 -

然后，执行将带来广播的减法 -

X_mean

Answer 2

作为补充：根据Numpy Broadcasting Rules，

在两个数组上运行时，NumPy会逐元素地比较它们的形状。它从尾随尺寸开始，并向前发展。
时兼容两个维度

他们是平等的

其中一个是1

所以最好的想法是以平均值在轴0上形成数据。

在你的情况下：

Y=np.rollaxis(X,1) # reshape (3,2,4)

Y-Y.mean(0)现在直接

array([[[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]]])

简单的减法会导致不同阵列形状的广播问题

2 个答案: