4

我有许多具有共同索引的不同大小的数组。

例如，

Arr1 = np.arange(0, 1000, 1).reshape(100, 10)
Arr2 = np.arange(0, 500, 1).reshape(100,5)

Arr1.shape = (100, 10)
Arr2.shape = (100, 5)

我想将它们一起添加到一个新的数组中，Arr3 是三维的。例如

Arr3 = Arr1 + Arr2
Arr3.shape = (100, 10, 5)

请注意，在这种情况下，值应该对齐，例如

Arr3[10, 3, 2] =  Arr1[10, 3] + Arr2[10, 2]

我一直在尝试使用以下方法

test = Arr1.copy()
test = test[:, np.newaxis] + Arr2

现在，当将两个方阵相加时，我已经能够完成这项工作。

m = np.arange(0, 100, 1)
[x, y] = np.meshgrid(x, y)
x.shape = (100, 100)

test44 = x.copy()
test44 = test44[:, np.newaxis] + x
test44.shape = (100, 100, 100)
test44[4, 3, 2] = 4
x[4, 2] = 2
x[3, 2] = 2

但是，在我的实际程序中，我不会有这个问题的方阵。此外，当您开始按如下方式向上移动维数时，此方法会占用大量内存。

test44 = test44[:, :, np.newaxis] + x
test44.shape = (100, 100, 100, 100)

# Note this next command will fail with a memory error on my computer.
test44 = test44[:, :, :, np.newaxis] + x

所以我的问题有两个部分：

  1. 是否可以从具有共同“共享”轴的两个不同形状的 2D 阵列创建 3D 阵列。
  2. 这种方法可以在高阶维度上扩展吗？

非常感谢任何帮助。

4

1 回答 1

4

是的，您正在尝试做的事情称为广播，如果输入具有正确的形状，它会由 numpy 自动完成。试试这个：

Arr1 = Arr1.reshape((100, 10, 1))
Arr2 = Arr2.reshape((100, 1, 5))
Arr3 = Arr1 + Arr2

我发现这是对广播的非常好的介绍，它应该向您展示如何将这种行为扩展到 n 维。

于 2013-02-26T00:31:34.447 回答