问题标签 [array-broadcasting]

我试图找到某种方法从 Matlab 中的 3*（一个大数字）矩阵的每一列中减去一个大小为 3 的向量。当然我可以使用循环，但我试图找到一些更有效的解决方案，有点像 numpy 广播。哦，我不能使用 repmat 因为我没有足够的内存来使用它（因为它创建了另一个 3*（一个大数字）矩阵）......

这可能吗？

我在理解 Numpy 中数组广播的规则时遇到了一些麻烦。

显然，如果您对两个具有相同尺寸和形状的数组执行逐元素乘法，一切都很好。此外，如果将多维数组乘以标量，它也可以工作。这个我明白。

但是如果你有两个不同形状的 N 维数组，我不清楚广播规则到底是什么。该文档/教程解释说：为了广播，操作中两个数组的尾轴大小必须相同或其中之一必须是一个。

好的，所以我假设通过尾随轴他们指的N是M x N数组中的。那么，这意味着如果我尝试将两个具有相同列数的二维数组（矩阵）相乘，它应该可以工作吗？除了它不...

由于两者A都有B两列，我原以为这会起作用。所以，我可能在这里误解了“尾轴”一词，以及它如何应用于 N 维数组。

有人可以解释为什么我的示例不起作用，以及“尾随轴”是什么意思吗？

我想将一个数组广播b到它与另一个数组进行算术运算时所采用的形状a。

例如，如果a.shape = (3,3)andb是一个标量，我想得到一个数组，其形状是(3,3)并且用标量填充。

一种方法是这样的：

虽然这实际上可行，但我不禁觉得它看起来有点奇怪，并且对于其他查看我正在尝试做的代码的人来说并不明显。

有没有更优雅的方法来做到这一点？我查看了 的文档np.broadcast，但速度要慢几个数量级。

我使用 python 2.7 并尝试预测从 1.00000000 到 3.0000000008 的一些随机数据。我的数组中有大约 196 个项目，我得到了错误

我似乎无法自己解决这个问题。任何帮助或相关文档的链接将不胜感激。

这是我正在使用的生成此错误的代码

我有一个由间距定义的立方网格xi,yi,zi：

我还在W该网格上设置了一组标量值。W.shape() == size. 我想使用scipy 的线性插值，它需要作为输入：

类scipy.interpolate.LinearNDInterpolator(points, values)：

参数 ：

points: ndarray of floats, shape(npoints, ndims)数据点坐标。

values：浮点数或复数的ndarray，形状(npoints, ...)数据值。

我如何创建一组假的points（通过神奇的广播）xi,yi,zi？现在我正在创建一个中间数组来馈送到插值函数 - 有没有更好的方法？

相关问题：3D 中的 Numpy meshgrid。这篇文章中的答案实际上创建了网格 - 我只想将其模拟为另一个函数的输入（首选纯 numpy 解决方案）。

给定一个如下所示的起始 numpy 数组：

当有重复时，将一组值交换为另一组值的最有效方法是什么？例如，让

一个低效的交换方法会迭代s1，s2因此：

作为输出给予

zip有没有办法在没有循环的情况下基本上就地执行此操作？

我有以下 numpy 数组

如何将以下伪代码转换为高效的真实代码？数组可能很大，可能超过 1 亿个元素。

我正在寻找一种 Numpy（即希望更快）的方式来执行以下操作：

我想摆脱列表理解并做这样的事情（虽然，我知道这行不通）

arr始终是长度等于 的长度的整数的嵌套列表x。内部列表的长度不一定相同（即arr是一个参差不齐的列表）

我正在尝试将 3D 数组乘以 1D 数组，这样沿第 3（深度：d）维度的每个 2D 数组的计算方式如下：

1D_array[d]*2D_array

我最终得到一个看起来像的数组，比如：

这将是正确地将 np.ones((3,2,2)) 与 [1,2,3] 相乘的结果。

我已经尝试了一段时间，无论我做什么我都不能得到这个结果，只是主题的变化。我该如何正确地做到这一点？

谢谢你的帮助。

在 python 中（使用 numpy），我可以将数组广播到不同的形状：

有没有办法在fortran中达到同样的效果？我有一个子例程，它期望2D传入一个数组——我想将我的一维数组“广播”到二维，正如我在上面演示的那样。看起来很重要，我的二维数组确实有一个明确的接口。

作为旁注，我认为这个功能可能是由reshape内在提供的， - 类似于：

但在阅读文档后，我认为这是不可能的，因为order似乎需要包括所有数字 1 到“N”。

编辑：为了更清楚一点，我正在寻找一种简单的方法来在输入上创建几个转换，a例如：

情况1

和

案例2

任意维度的加分^{1 ：}

等等

^{1免责声明——我实际上并没有给回答者加分的超能力；-)}