重塑python中的数组乘法/除法

Question

当我处理长度相同的数组时，我遇到了令人讨厌的形状不匹配问题，但只有一个是宽度一。例如：

import numpy as np
x = np.ones(80)
y = np.ones([80, 100])
x*y 

ValueError: shape mismatch: objects cannot be broadcast to a single shape

简单的解决方案是y * x.reshape（x.shape [0]，1）。但是，我经常最终对数组的一列进行子集化，然后必须指定此重组。有办法避免这种情况吗？

Answer 1

有两种简单的方法：

(x * y.T).T

或

x.reshape((-1,1)) * y

Numpy的broadcasting是一个非常强大的功能，它将完全按照您的意愿自动完成，但它希望数组的最后一个轴（或多个轴）具有相同的形状，而不是第一个轴。因此，您需要转置y才能使其正常工作。

第二个选项与您正在执行的操作相同，但-1被视为数组大小的占位符，这会减少一些输入。

Answer 2

最受青睐的方法是使用“newaxis”，即

x[:, numpy.newaxis] * y

它非常易读且高效。