我有一个一维标量值数组
Y = np.array([1, 2])
我还有一个3维数组：
X = np.random.randint(0, 255, size=(2, 2, 3))
我正在尝试从Y中减去X的每个值，所以我应该取回Z，其形状应为（2，2，2，3）或（ 2，2，2，3）。
我似乎无法弄清楚如何通过广播做到这一点。
我尝试更改Y的更改：
Y = np.array([[[1, 2]]])
但不确定正确的形状是什么。
答案 0 :(得分：1)
广播在右边排列尺寸。因此，您希望在(2, 1, 1, 1)数组和(2, 2, 3)数组上进行操作。
我能想到的最简单的方法是使用reshape：
Y = Y.reshape(-1, 1, 1, 1)
更一般地：
Y = Y.reshape(-1, *([1] * X.ndim))
reshape的最多一个参数可以为-1，表示其他尺寸未考虑的所有剩余尺寸。
要获得形状为Z的{{1}}：
(2, 2, 2, 3)如果您对形状为Z = X - Y.reshape(-1, *([1] * X.ndim))
的{{1}}感到满意，那么操作会简单得多：
Z (2, 2, 3, 2)或Z = X[..., None] - Y
会将单位轴插入None形状的末端，从而使其以1D np.newaxis正确广播。
答案 1 :(得分：0)
我不确定您要在哪个维度上进行减法运算，但是如果您定义X - Y或Y = numpy.array([1,2]).reshape(2, 1, 1)这样的Y，Y = numpy.array([1,2]).reshape(1, 2, 1)不会返回错误。