Question

我最近发布了一个问题here，其答案完全按照我的要求回答。但是，我认为我高估了我进一步操纵答案的能力。我阅读了广播文档，并按照一些链接引导我回到2002年关于numpy广播。

我使用broadcasting创建了第二种数组方法：

N = 10
out = np.zeros((N**3,4),dtype=int)
out[:,:3] = (np.arange(N**3)[:,None]/[N**2,N,1])%N

输出：

[[0,0,0,0]
 [0,0,1,0]
 ...
 [0,1,0,0]
 [0,1,1,0]
 ...
 [9,9,8,0]
 [9,9,9,0]]

但我不明白通过文档如何操纵它。理想情况下，我希望能够设置每个列更改的增量。

离。 A列变为0.5，最高为2，B列变为0.2，最高为1，C列变为1，最高为10。

[[0,0,0,0]
 [0,0,1,0]
 ...
 [0,0,9,0]
 [0,0.2,0,0]
 ...
 [0,0.8,9,0]
 [0.5,0,0,0]
 ...
 [1.5,0.8,9,0]]

感谢您的帮助。

Answer 1

您可以稍微调整当前代码以使其正常工作。

>>> out = np.zeros((4*5*10,4))
>>> out[:,:3] = (np.arange(4*5*10)[:,None]//(5*10, 10, 1)*(0.5, 0.2, 1)%(2, 1, 10))
>>> out
array([[ 0. ,  0. ,  0. ,  0. ],
       [ 0. ,  0. ,  1. ,  0. ],
       [ 0. ,  0. ,  2. ,  0. ],
       ...
       [ 0. ,  0. ,  8. ,  0. ],
       [ 0. ,  0. ,  9. ,  0. ],
       [ 0. ,  0.2,  0. ,  0. ],
       ...
       [ 0. ,  0.8,  9. ,  0. ],
       [ 0.5,  0. ,  0. ,  0. ],
       ...
       [ 1.5,  0.8,  9. ,  0. ]])

变化是：

数组上没有int dtype，因为我们需要它来保存某些列中的浮点数。如果需要，可以指定float dtype（或者甚至更复杂的东西，只允许在前两列中使用浮点数。）
而不是N**3总值，计算每列的不同值的数量，并将它们相乘以得到我们的总大小。这适用于zeros和arange。
在第一个广播操作中使用分区//运算符，因为此时我们需要整数，但稍后我们会想要浮点数。
要除的值再次基于后续列的值数（例如A,B,C个数值除以B*C, C, 1）。
添加新的广播操作以乘以各种比例因子（每个值一次增加多少）。
更改广播mod %操作中的值以匹配每列的边界。

Answer 2

这个小例子可以帮助我理解发生了什么：

In [123]: N=2    
In [124]: np.arange(N**3)[:,None]/[N**2, N, 1]
Out[124]: 
array([[ 0.  ,  0.  ,  0.  ],
       [ 0.25,  0.5 ,  1.  ],
       [ 0.5 ,  1.  ,  2.  ],
       [ 0.75,  1.5 ,  3.  ],
       [ 1.  ,  2.  ,  4.  ],
       [ 1.25,  2.5 ,  5.  ],
       [ 1.5 ,  3.  ,  6.  ],
       [ 1.75,  3.5 ,  7.  ]])

因此我们生成一系列数字（0到7）并将它们除以4,2和1。

计算的其余部分只是更改每个值而不进一步广播

将%N应用于每个元素

In [126]: np.arange(N**3)[:,None]/[N**2, N, 1]%N
Out[126]: 
array([[ 0.  ,  0.  ,  0.  ],
       [ 0.25,  0.5 ,  1.  ],
       [ 0.5 ,  1.  ,  0.  ],
       [ 0.75,  1.5 ,  1.  ],
       [ 1.  ,  0.  ,  0.  ],
       [ 1.25,  0.5 ,  1.  ],
       [ 1.5 ,  1.  ,  0.  ],
       [ 1.75,  1.5 ,  1.  ]])

分配给int数组与将浮点数转换为整数相同：

In [127]: (np.arange(N**3)[:,None]/[N**2, N, 1]%N).astype(int)
Out[127]: 
array([[0, 0, 0],
       [0, 0, 1],
       [0, 1, 0],
       [0, 1, 1],
       [1, 0, 0],
       [1, 0, 1],
       [1, 1, 0],
       [1, 1, 1]])

关于Numpy Broadcasting Answer的解释

2 个答案: