Python，Numpy，在多維空間中添加數組的方法（廣播）

我有許多具有公共索引的不同大小的數組。Python，Numpy，在多維空間中添加數組的方法（廣播）

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)

我想跟你一起加入到這些新的陣列，ARR3這是三維的。例如

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

請注意，在這種情況下，這些值應該是全等的。

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

我一直在嘗試使用下面的方法

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

現在，我已經能夠將兩個方陣在一起的時候，使這項工作。

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，在我的實際計劃中，我不會爲此問題提供方形矩陣。此外，此方法的內存密集程度非常高，如下所示開始向上移動維度數時會有所體現。

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

所以我的問題有兩個部分：

是否有可能創建從與共同的兩個不同形狀的2D陣列的3D陣列「共享」軸線。
這樣的方法可以在更高階的維度上擴展嗎？

任何援助非常感謝。

來源

2013-02-26 dantes_419

是的，你想要做的就是所謂的廣播，如果輸入具有正確的形狀，它是由numpy自動完成的。試試這個：

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

我發現this是一個很好的介紹，廣播應該告訴你如何這種行爲擴展到N維。

來源

2013-02-26 00:31:34

因此，如果我想要做一個四維廣播，比如說Arr4 = Arr1 + Arr2 + Arr3，我需要首先將它們全部重新塑造成四個維度？ – 2013-02-26 00:37:17

不僅僅是維度的數量，您應該弄清楚最終結果的形狀應該是什麼，並重新塑造輸入數組，以便它們可以廣播到最終形狀。例如，如果最終的形狀應該是（2,3,4,100），你可以試試：'Arr1.shape =（2,1,1,100）; Arr1.shape =（1，3，1，100）; Arr1.shape =（1,1，4，100）'。在這種情況下，您可以在技術上離開領先的1，但我希望將它們包含在內。 – 2013-02-26 19:28:08

非常感謝知道。我已經能夠成功播出，但是現在我開始轉向更高維度時遇到了內存問題，所以我想我可能需要開發一種不太「蠻力」的方法。儘管謝謝你的幫助。 – 2013-02-26 22:19:23

Python，Numpy，在多維空間中添加數組的方法（廣播）

回答

相關問題