Question

我在这里丢失了一些东西。我有一个要广播到N-D阵列的一维阵列，但它不起作用：

>>> import numpy as np
>>> np.broadcast_to(np.arange(12),(12,2,2))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "c:\app\python\anaconda\2\lib\site-packages\numpy\lib\stride_tricks.py", line 173, in broadcast_to
    return _broadcast_to(array, shape, subok=subok, readonly=True)
  File "c:\app\python\anaconda\2\lib\site-packages\numpy\lib\stride_tricks.py", line 128, in _broadcast_to
    op_flags=[op_flag], itershape=shape, order='C').itviews[0]
ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (12,) and requested shape (12,2,2)

Answer 1

解决方案

您需要具有最后一个尺寸的大小作为第一个参数（arange数组）的大小。这可行。只需将12放在最后并转置

import numpy as np
np.broadcast_to(np.arange(12),(2,2,12)).T # so it fits exactly your question, transpose

>>> np.broadcast_to(np.arange(12),(2,2,12)).T.shape
(12, 2, 2)

注意

查看文档，似乎您确实确实需要同时具有相应的形状-数组和所需形状。如果有

np.arange(X)

然后，您可以具有任何所需的形状，只要最后一个尺寸的形状为X

np.broadcast_to(np.arange(X),(ANY,ANY,ANY,ANY,ANY,X))

您可以通过这个有趣的示例进行测试

X = 10
np.broadcast_to(np.arange(X),[i for i in range(X+1)]).shape

编辑：

相对于 @Divakar对OP的评论（添加额外的维度），看来有两种可能的方法具有相同的结果

solution1 = np.broadcast_to(np.arange(12)[:,None,None], (12,2,2)) # Divakar's solution2 = np.broadcast_to(np.arange(12),(12,2,2)[::-1]).T # without extra dimensions, using Transpose >>> np.all(solution1 == solution2) True

Answer 2

广播有两个步骤：

在左侧扩展尺寸以匹配
展开所有尺寸为1的尺寸以匹配

使用大小为（12，）的数组，第一步可以生成（1,1,12），但不能生成（12,1,1）。然后第二步可以扩展到（2,2,12）。但是你想要（12,2,2）。

因此您必须明确添加尾随尺寸

In [773]: np.broadcast_to(np.arange(12)[:,None,None], (12,2,2)).shape
Out[773]: (12, 2, 2)

In [775]: np.broadcast_to(np.arange(3)[:,None,None], (3,2,2))
Out[775]: 
array([[[0, 0],
        [0, 0]],

       [[1, 1],
        [1, 1]],

       [[2, 2],
        [2, 2]]])

因此，通过这些规则，广播到（2,2,12）是有效的，转置可以将其更改为（12,2,2）

广播到（12,12,12）相当于扩展（1,1,12）。 arange是最后一个维度，而不是第一个维度。我们不想切片最后一个维度

In [777]: np.broadcast_to(np.arange(3),(3,3,3))[:,:2,:2]
Out[777]: 
array([[[0, 1],
        [0, 1]],

       [[0, 1],
        [0, 1]],

       [[0, 1],
        [0, 1]]])

Answer 3

当您广播到N-D时，新形状必须与1-D阵列的输入匹配。例如，您可以这样做：

javac

或

np.broadcast_to(np.arange(12),(12,12))

根据您的示例，它无法将12个数字广播到长度为2的维度中。

Answer 4

如果您想要广播中提到的某些子集，则可以对数组进行切片。

arr = np.broadcast_to(np.arange(12),(12,12,12))
arr = arr[:,:2,:2]

这将提供所需的所需结果。

如何在Python中将一维数组广播到N维数组

4 个答案: