使用numpy在给定权重向量的轴上求和矩阵

Question

numpy是否提供了一种内置方法，可以在给定相应权重向量的情况下沿轴对矩阵求和？我的目标是将z作为输出：

q = np.array([[1, 2, 3], [10, 20, 30]])
w = [.3, .4]
z = (q[0] * w[0]) + (q[1] * w[1])

print z
>> [  4.3   8.6  12.9]

如果没有，是否有一种有效的方法来利用numpy进行广播来执行此操作？

Answer 1

如果您将w转换为形状为(2, 1)的numpy数组，则可以broadcast乘以q行。进行重塑的一种方法是使用w（或等效地使用np.newaxis）索引None：

q = np.array([[1, 2, 3], [10, 20, 30]])
w = np.array([.3, .4])
print(w[:, None] * q).sum(0)
# [  4.3   8.6  12.9]

更快更干净的方法是使用matrix-vector multiplication执行np.dot：

print(w.dot(q))
# [  4.3   8.6  12.9]

Answer 2

这似乎可以解决问题：

>>> np.sum(q * w[:, np.newaxis], axis=0)
array([  4.3,   8.6,  12.9])

诀窍是要意识到为了将q乘以w，我们需要在w中插入一个新轴。然后Numpy可以根据需要沿着该轴展开，以通过普通广播规则匹配q的形状。一旦完成乘法，你只需要沿着正确的轴求和，而鲍勃就是你的叔叔。