Question

我想用b [nn]减去a [nn，...，0]中的所有值，而保持数组 a 的原始结构。

我从ndnumpy数组进行索引和逐元素减法时遇到问题。就我而言，数组 a 具有6个维度

In[]: a.shape
Out[]: (101, 256, 1, 3, 1, 10)

出于一致性考虑，最小维度 N = 0 具有10个元素，最大维度 N = 5 具有101个元素。

我还有一个一维数组 b ，它的大小与最大 a 中的尺寸。

In[]: b.shape
Out[]: (101,)

我想从 a 中减去 b ，使 b 中的第 nn 个元素是从值 a [nn，...，0] 中减去。我知道我可以使用for循环来做到这一点，但是也应该可以广播 b ，这样我可以使用类似

的东西

In[]: c= a[:,...,0]-b[somehow broadcastet or reshaped]
In[]: c.shape()
Out[]:  (101, 256, 1, 3, 1, 10)

Answer 1

您确实可以利用broadcasting来做到这一点。

让我们先生成一些指定形状的随机ndarrays以便检查最终尺寸是否符合预期：

a = np.random.rand(101, 256, 1, 3, 1, 10)
b = np.random.rand(101)

在这种情况下，您必须向a.ndim添加多达b个维度，以便将b中的每个值减去{{1}的最后一个维度中的每个值}}。遵循this帖子中的想法，我们可以使用np.reshape以更简洁的方式添加多达a个新尺寸，如下所示：

a.ndim

现在我们可以根据需要从b = b.reshape((-1,) + (1,)*(a.ndim-1)) print(b.shape) # (101, 1, 1, 1, 1, 1)中减去b，

如果我们检查a[..., 0, None] = a[..., 0, None] - b.reshape((-1,) + (1,) * (a.ndim-1))的形状：

详细信息

以下是一些有关先前答案可能引起的问题的说明。让我们考虑以下更简单的示例：

print(a.shape)
# (101, 256, 1, 3, 1, 10)

因此，在此示例中，我们可以使用与上述解决方案相同的逻辑：

a = np.array([[1,2,3],[4,5,6]])
print(a)
array([[1, 2, 3],
       [4, 5, 6]])
print(a.shape)
# (2, 3)

b = np.array([1,1])[:,None]
array([[1],
       [1]])
print(b.shape)
# (2, 1)

通过检查结果数组，如预期的那样，a[:,0,None] = a[:,0,None] - b array([[0, 2, 3], [3, 5, 6]])已从沿其最后一条轴的第一个索引的b中减去，因此所有行的第一列。

第一点，

为什么我们必须在a中添加新轴才能进行减法？

给定a的形状，有必要向a添加新轴。请注意，b是二维数组b，因此，如果直接从array([[1],[1]])中减去它，则会得到：

因此，这里发生的是较小的数组，即第一项，它只是a[..., 0] - b array([[0, 3], [0, 3]])，1D中的a视图切片，已在较大的数组中广播数组，以便它们具有兼容的形状。

如果array([1, 4])的形状改为b，则不必这样做：

(2,)

但是，由于在实际解决方案中定义了b = np.array([1,1]) a[:,0] - b # array([0, 3])的方式，其尺寸与b相同。因此，为了获得正确的输出，我们必须向a添加一个新轴：

这样，我们可以获得正确的输出。

使用上述方法，似乎不可能将差异分配给充当a的“校正副本”的新数组？

通过查看减法的结果可以理解这个问题的答案：

a[:,0,None] - b
array([[0],
       [3]])

因此，c = a[:,0,None] - b c.shape (2, 1)在这里是a[:,0,None]的“切片视图”。因此请注意，通过将此结果分配给a，您只保存了c的实际sliced wiew，而不是整个a。如果要在实际切片的相同位置上修改ndarray，则必须将其分配给a的相同切片视图，因此：

现在，由于仅修改了a[:,0,None] = a[:,0,None] - b print(a.shape) # (2, 3)的一部分，因此结果确实具有预期的输出。如果您确实想保存原始a的副本，则可以使用np.copy，它将返回实际的副本而不是ndarray的一部分，然后将结果分配给“更正的副本”：

减去ndarray的最后一个轴

1 个答案:

详细信息