假设我们有一个形状为(n,m,g,h)的4D数组A和一个形状为(n)的一维数组B。
所以我想对A(m,g,h)的每个3D子数组和B的每个元素(一个整数)进行幂运算。
A = np.arange(24).reshape(3, 2, 2, 2)
>>>array([[[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]]],
[[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]]],
[[[16, 17],
[18, 19]],
[[20, 21],
[22, 23]]]]
B = np.arange(3)
>>>array([0, 1, 2])
我想要的结果是:
C = somefunc(A, B) # just an example, can be anything
>>>array([[[[ (ignore, 0^0), 1],
[ 1, 1]],
[[ 1, 1],
[ 1, 1]]],
[[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]]],
[[[256, 289],
[324, 361]],
[[400, 441],
[484, 529]]]]
获得理想结果的最佳方法是什么?
我想到了类似的东西
A = [np.power(A[i, :, :, :], B[i]) for i in range(B.size)]
但是,如果B.size很大,那将是非常低效的。还有其他想法吗?
答案 0 :(得分:1)
这将起作用:
C = A ** B[:,None,None,None]
print (C)
输出:
[[[[ 1 1]
[ 1 1]]
[[ 1 1]
[ 1 1]]]
[[[ 8 9]
[ 10 11]]
[[ 12 13]
[ 14 15]]]
[[[256 289]
[324 361]]
[[400 441]
[484 529]]]]