问题标签 [array-broadcasting]

我有一个向量[x,y,z,q]，我想创建一个矩阵：

有 m 行。我认为这可以使用广播以某种聪明的方式完成，但我只能考虑使用 for 循环来完成。

例如，

这仍然A没有问题。

但如果我这样做print np.einsum('kij', A)的形状是(3, 4, 2)。不应该(4, 2, 3)吗？

print np.einsum('cab', A)形状的结果也(4, 2, 3)没有问题。为什么print np.einsum('kij', A)不一样？

我正在尝试对我的代码进行矢量化/广播（不确定它的正式名称）以使其更快，但我不太明白。我认为我应该使用的是 numpy.cumsum （axis = 0），但我不知道如何（快速）在正确的数组中使用它。

我想要这段代码基本上是l1的绝对和，用于将l2中的每个元素添加到l1中的所有数字。所以这给出的不是一个答案，而是 len(l2) 数量的答案。下面的（非矢量化）代码给出了正确的输出。

任何人都可以提供答案或提示吗？

使用 numpy 的优秀广播规则，您可以v从形状 (5,3) 数组X中减去形状 (3,) 数组

结果是一个形状 (5,3) 数组，其中每一行i都是差异X[i] - v。

有没有办法从中减去一个形状 (n,3) 数组w，X以便在不显式使用循环的情况下w从整个数组中减去每一行？X

我有一个我经常做的手术，我称之为“锯齿状切片”，因为我不知道它的真实名称。最好通过示例来解释：

唯一的问题是做这个a[np.arange(a.shape[0]), entries_of_interest]索引有点麻烦（为了这个而必须构造“np.arange（a.shape [0]）”似乎很愚蠢）。我想要类似:操作员的东西，但:做别的事情。有没有更简洁的方法来做这个操作？

最佳答案：

不，本机 numpy 没有更好的方法。如果需要，您可以为此创建一个辅助函数。

如何对具有以下形状的张量进行元素乘法？这里的第二个数组总是假定为 2D。

我想广播所有标有？的维度，其中我不知道先验的数字。我考虑过的可能解决方案（但不知道该怎么做）：

• 将可变数量的轴添加到第二个数组
• 反转两个数组的轴的顺序，然后再次反转它们

任何指针都会很棒。

我正在尝试将三个一维数组转换为二维数组列表。我设法通过创建一个空的 ndarray 并逐行填充它来做到这一点。有人可以告诉我一个更优雅的方法吗？

当前有效的不雅方法：

我正在学习 numpy 线性阿尔格巴，我想执行一个简单的计算：我有：

我要计算/输出的内容：

基本上是在 m 的每一行和 v 的每个元素之间执行逐元素除法

我可能可以通过一些 for 循环来做到这一点，但我想知道“正确”的做法。

我感觉它与广播有关，但仅此而已。

谢谢。

我正在学习数据科学，并想为我的数据集制作虚拟变量。

我有一个具有“产品类别”列的数据框，该列是匹配类别的列表，类似于 ["Category1", "Category2".."CategoryN"]

我知道 Pandas 有很好的功能，可以自动生成虚拟变量（pandas.get_dummies），但在这种情况下，我不能使用它，我猜（？）。

我知道如何遍历每一行以将 1 附加到每列的匹配元素。我目前的代码是这样的：

但是，上面的代码效率不高，我不能使用它，因为我有超过 100,000 行。我想以某种方式对整个数组进行操作，但我不知道该怎么做。

有人可以帮忙吗？

我试图理解为什么 numpy 的dot函数会这样：

现在np.dot(M, V1)并按np.dot(M, V2)预期行事。但V3结果V4令我惊讶：

我预计(2, 9, 5)和(3, 2, 9, 5)分别。另一方面，np.matmul 符合我的预期：矩阵乘法在第二个参数的前N ​​- 2 个维度上广播，结果具有相同的形状：

所以我的问题是：这样做的理由是 np.dot什么？它是服务于某个特定目的，还是应用某些一般规则的结果？