numpy中的广播问题
在numpy中，广播（broadcasting）是指在不同形状的数组之间进行运算的一种机制。当进行元素级别的操作时，numpy会自动调整数组的形状，使其能够进行运算，这个过程就是广播。
广播的优势在于可以简化代码，避免了显式地编写循环来处理不同形状的数组。它使得在处理多维数组时更加方便和高效。
广播的应用场景包括但不限于：
- 数组的形状不一致，但需要进行元素级别的操作时，可以使用广播机制自动调整形状。
- 在机器学习和数据分析中，广播可以用于对数据进行扩展、对齐和对比等操作。
- 在图像处理和计算机视觉领域，广播可以用于对图像进行滤波、变换和增强等操作。
对于广播问题，腾讯云提供了一系列与numpy相关的产品和服务，例如腾讯云的AI计算平台（https://cloud.tencent.com/product/tcaplusdb）可以提供高性能的计算资源和分布式存储，用于处理大规模的数据集和进行复杂的计算任务。此外，腾讯云还提供了云函数（https://cloud.tencent.com/product/scf）和容器服务（https://cloud.tencent.com/product/tke），可以帮助开发者快速部署和运行numpy相关的应用程序。
总结：广播是numpy中的一种机制，用于在不同形状的数组之间进行元素级别的操作。它可以简化代码，提高效率，并在机器学习、数据分析、图像处理等领域有广泛的应用。腾讯云提供了一系列与numpy相关的产品和服务，可以帮助开发者进行高性能的计算和数据处理。
相关·内容
4回答
可以使用根据条件从两个数组中选择值：
import numpy
a = numpy.random.rand(5)
b = numpy.random.rand(5)
c = numpy.where(a > 0.5, a, b) # okay
但是，如果数组的维数更多，这将不再起作用：
import numpy
a = numpy.random.rand(5, 2)
b = numpy.random.rand(5, 2)
c = numpy.where(a[:, 0] > 0.5, a, b) # !
Traceback (most recent call last):
F
浏览 5提问于2019-12-12得票数 1
1回答
我正在尝试在Python/Numpy中获得以下MATLAB结果。 MATLAB代码： A = reshape(ones(1, 12), 3,1,4);
B = reshape(ones(3, 1));
size(A .* B) % ans = 3 1 4 Numpy代码： A = np.ones(12).reshape((3,1,4))
B = np.ones(3).reshape((3,1))
(A * B).shape # (3, 3, 4) 问题： 如何更改Numpy代码以获得类似于MATLAB的结果？
浏览 9提问于2019-10-11得票数 0
回答已采纳
下面的python代码为一个numpy数组创建数据，我使用该数组在图上绘制一个单元框： box = np.array([[x, y] for x in np.arange(0.0, 1.01, 0.01) for y in
np.arange(0.0, 1.01, 0.01)]) 我想将box --向x分量添加一个数字，向y分量添加一个不同的数字--转换为另一个numpy数组，这样新的框就会出现在图中的其他位置。 我遇到了一些麻烦，我不知道我是否可以切片一个numpy数组来做我需要的加法，或者正确的循环语法是什么。 我的问题是:我怎么加，比如说每个x元素加1，每
浏览 18提问于2020-07-03得票数 2
我在尝试复制另一个库中的numpy行为。我的图书馆缺少的东西之一就是广播行为。在numpy ( )中，非分配运算符很好地定义了运营商的广播行为。
在两个数组上操作时，NumPy会比较它们的形状元素。它从尾随的维度开始，并继续前进。时，二维是兼容的
他们是平等的，或
其中一个是1
对于a* b来说很容易，但是*= b或者a= b呢？numpy中的分配似乎遵循了一些广播规则，即：
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
a = a.reshape(3,1,1,3)
b = np.array([[1,2,3],[4,5,6],[7,8
浏览 1提问于2020-02-20得票数 0
回答已采纳
1回答
我正在努力理解numpy中的广播规则，但我注意到我首先需要很好地理解什么是一维numpy数组。我发现多个来源表明，一维numpy数组既不是水平向量，也不是垂直向量。因此，我期望它会根据所完成的操作和操作的其他组件而有所不同。但我真的找不到一维数组表现得像列向量的情况。例如：
a = np.arange(3)
b = np.arange(3)[:, np.newaxis]
a + b
array([[0, 1, 2],
[1, 2, 3],
[2, 3, 4]])
这表明a的行为类似于水平向量。另一方面，如果我们把它加到水平矢量b上
a = np.arange(3)
b
浏览 31提问于2020-05-04得票数 0
2回答
假设我有一个包含n元素的numpy向量，因此我想将该向量中的数字编码为二进制表示法，因此得到的形状将是(n，m)，其中m是log2(maxnumber)，例如： 因为我有的最大数是67，所以我需要numpy.ceil(numpy.log2(67)) == 7位来编码这个向量，所以结果的形状将是(3,7) 这个问题之所以出现，是因为我没有快速的方法将二进制表示法从 numpy数组的函数numpy.binary_repr。现在我必须迭代结果，并将每一位分别放入： 这是非常耗时和愚蠢的方式，如何使其高效？
浏览 51提问于2016-09-20得票数 5
回答已采纳
1回答
术语描述了numpy如何在算术操作中处理不同形状的数组。
Example 1:
from numpy import array
a = array([1.0,2.0,3.0])
b = array([2.0,2.0,2.0]) # multiply element-by-element ()
a * b
>> array([ 2., 4., 6.])
Example 2 :
from numpy import array
a = array([1.0,2.0,3.0])
b = 2.0 # broadcast b to all a
a * b
>>arra
浏览 1提问于2017-11-15得票数 12
考虑下面在Numpy数组广播中的练习。
import numpy as np
v = np.array([[1.0, 2.0]]).T # column array
A2 = np.random.randn(2,10) # 2D array
A3 = np.random.randn(2,10,10) # 3D
v * A2 # works great
# causes error:
v * A3 # error
我知道广播的Numpy规则，我熟悉Matlab中的bsxfun功能。我理解为什么试图将一个(2,1)数组广播为(2，N，N)数组失败，而且在这个广播结束之前，我必须将(2,1)
浏览 3提问于2013-07-10得票数 12
回答已采纳
1回答
任意维阵中任意维坐标的笛卡儿积
、、、、
这在某种程度上与有关
我正在寻找一种简洁的方法来创建一个具有任意维数的两个数组的笛卡尔积。
示例：
类似于相关的线程，我希望
x = numpy.array([1,2,3]) #ndim 1
y = numpy.array([4,5]) #ndim 1
cartesian_product(x,y) == numpy.array([[[1, 4],
[2, 4],
[3, 4]],
浏览 3提问于2016-11-08得票数 0
回答已采纳
我需要帮助优化这个嵌套的for循环(python)。我在考虑利用numpy中的冒号表示法，但是我所有的尝试都导致了一些错误。
import numpy as np
board = np.random.rand(300, 300)
for i in range(300):
for j in range(300):
if (board[i,j] == 0):
if (np.random.randint(1000) == 1) : board[i,j] = 1
浏览 0提问于2016-04-30得票数 0
我对NumPy相当陌生，所以很有可能我忽略了一些基本的东西。不要犹豫，问“愚蠢”的问题有关“基本”的事情！
我试着写一些函数来操纵向量。我希望它们能够处理单个向量，以及向量数组，就像大多数NumPy的实用程序一样：
import math
import numpy
def func(scalar, x, vector):
# arbitrary function
# I'm NOT looking to replace this with numpy.magic_sum_multiply()
# I'm trying to understand bro
浏览 1提问于2021-02-08得票数 1
回答已采纳
我总是想在我的python代码中避免循环操作。Numpy真的很有帮助，但在一些稍微复杂的情况下，我感觉被困在如何明智地利用numpy数组上。
下面是一个简单的例子来说明我的无能为力，a将是一个参数，b是一个numpy数组。
def f(a,b):
return np.sum( a * b)
所以，如果我希望通过给定的单个参数和数组来计算这个函数，这是没有问题的。
x = 2
y = np.arange(3)
print (f(x,y))
但有时我想用一个固定的数组值来计算函数的不同参数值。
我会尝试：
x2 = np.array([1,4,5,2,8])
print (f(x2,y))
浏览 0提问于2015-11-13得票数 0
2回答
我有一个带有形状的2D numpy数组(3024,4032)。
我有一个三维numpy阵列与形状(3024,4032，3)。
二维numpy阵列充满了0和1s。
3D numpy数组填充的值介于0到255之间。
通过查看2D数组值，我希望更改3D数组中的值。如果2D数组中的值为0，则沿最后一个轴将3D数组中的所有3个像素值更改为0。如果2D数组中的值为1，我不会更改它。
我已经检查过这个问题了，，但是它适用于两个维度相同的数组。在我的例子中，维度是不同的。
如何在两个数组中应用过滤，两个数组的大小在二维上相同，而在最后一个维度上没有大小？
浏览 11提问于2017-11-21得票数 6
回答已采纳
1回答
加速三回路
、、、
一开始我有个循环
import numpy
datos = numpy.random.rand(1000,17)
clusters = 250
n_variables = 17
centros = numpy.random.rand(clusters,n_variables)
desviaciones = numpy.random.rand(n_variables)
W=1
H=numpy.zeros((len(datos), clusters))
Weight = 1 / n_variables
for k in range(len(datos)):
inpt = datos[k]
浏览 3提问于2022-03-04得票数 0
回答已采纳
假设我们有一个多维数组。
import numpy as np
foo = np.random.random((2,4,3,5))
每个轴都与数据的特定特征相关，我对数据的一个子集感兴趣。
我可以在轴2上使用逻辑索引，在轴0和3上使用元素索引。
mask = np.array([1, 1, 0], dtype=bool)
bar = foo[0,:,mask,0]
我期望bar有形状(4,2)。相反，它具有形状(2,4)。每个轴中的数据与预期一致。然而，轴与我所期望的是颠倒的。
我怀疑这与广播口罩有关，但我想不出解决办法。
Python 3.6.4
Numpy 1.14.0
浏览 0提问于2018-05-09得票数 1
(这个问题类似于，但更复杂。)
我有一个numpy数组d，d.shape=(16,3,90,144)和一个权重numpy数组e，e.shape=(16,3)。我想使用e沿轴1取a的加权平均值。因此，输出应该是一个形状为(16,90,144)的numpy数组。我可以通过列表理解来实现这一点：
np.array([np.average(d[n], weights=e[n], axis=0) for n in range(16)])
但就像上一个问题一样，我希望避免从列表转换回numpy数组。这种情况比上一个问题更复杂，因为每次的权重都不一样(即weights=e[n]，而不是weights=b)。
浏览 0提问于2013-01-27得票数 3
回答已采纳
import numpy as np
a = np.array([0, 10, 11, 1])
# OUT:
# array([ 0, 10, 11, 1])
b = np.arange(81).reshape(9, 9)
# OUT:
# array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8],
# [ 9, 10, 11, 12, 13, 14, 15, 16, 17],
# [18, 19, 20, 21, 22, 23, 24, 25, 26],
# [27, 28, 29, 30, 31, 32, 33,
浏览 13提问于2020-08-07得票数 2
回答已采纳
让我介绍一下numpy中的示例问题：
arr - some numpy array
a, b - constants
arr[arr < a] = b
现在，我想实现相同的功能，但在Tensorflow中，arr是张量。在运行时之前不知道张量值。
正如您所看到的，这个答案将给出两个方面的说明:给张量内的特定位置赋值，并对张量进行条件调整，以及检索满足条件的索引。
浏览 0提问于2018-05-20得票数 0
回答已采纳
我希望通过numpy从Matlab过渡到Python。我在理解使用numpy的数组索引时遇到了一些困难。 作为示例，我希望使用'for‘循环将行向量的内部元素赋值为特定值。numpy中的索引似乎是独一无二的，当涉及到索引排名1的列数组与行数组时。 # Python:
import nump as np
from numpy import*
import scipy.linalg
N = 5
L = 1.0
dx = L / N
S = 10.0 ** -2.0
k = 500.0
aW = zeros((1, N))
for i in range(1, (N-1)):
浏览 10提问于2019-10-02得票数 0
我刚来朱莉娅，所以可能做错了什么。但我运行了一个简单的三角函数测试，Julia似乎比Numpy慢得多。我需要一些帮助来找出原因。
- Julia版本：
x = rand(100000);
y = similar(x);
@time y.=sin.(x);
- Numpy版本：
import numpy
x = numpy.random.rand(100000)
y = numpy.zeros(x.shape)
%timeit y = numpy.sin(x)
Julia版本通常为1.3 ~1.5ms，而Numpy版本通常为0.9 ~1ms。差异是非常显著的。为什么会这样呢？谢谢。
浏览 13提问于2019-08-05得票数 1
我不太擅长数学，numpy，虽然我是一个有经验的程序员，但我仍然是python的初学者。 我有一个函数，它接受一个很小的次数(< 100个元素)，叫做100000+ np.array。 使用numpy (pycharm中整个程序分析)需要23~25%的总cpu时间： def call(self, _input):
output = np.array([_input[i] * self.weights[i] for i in range(len(self.weights))]) # <- 4.5% on <listcomp>
output += self
浏览 8提问于2020-11-22得票数 0
回答已采纳
1回答
我在stackoverflow上似乎找不到这个问题，尽管我相信以前有人问过这个问题。
我有两个numpy数组，如下所示：
a = np.ones(shape = (2,10))
b = np.ones(2)
我想把a的10的第一行乘以b的第一个数，第二行乘以第二个数。我可以使用如下列表来完成此操作：
np.array([x*y for x,y in zip(b,a)])
我想知道在numpy中是否有一种方法可以做到这一点，它与list方法类似。
我知道我可以将a重塑为(1,2,10)，将b重塑为(2,1)，以有效地实现这一点-这是唯一的解决方案吗？或者，是否有一种numpy方法可以在不进行手动
浏览 2提问于2020-06-03得票数 1
3回答
我有两个数组A和B。现在让它们都是一维的。
对于A中的每个元素，我需要B中与A中的元素最匹配的元素的索引。
我可以使用列表表达式来解决这个问题
import numpy as np
A = np.array([ 1, 3, 1, 5 ])
B = np.array([ 1.1, 2.1, 3.1, 4.1, 5.1, 6.1 ])
indices = np.array([ np.argmin(np.abs(B-a)) for a in A ])
print(indices) # prints [0 2 0 4]
print(B[indices]) # prints [1.1 3.1
浏览 0提问于2021-09-06得票数 5
1回答
给定形状a的数组(n, k1)和形状(n, k2)的数组b，我想计算a[i]和b[i]的所有外部乘积。这
import numpy
n = 3
a = numpy.random.rand(n, 7)
b = numpy.random.rand(n, 11)
out = numpy.array([
numpy.outer(a[i], b[i]) for i in range(n)
])
print(out.shape) # (n, 7, 11)
可以做到这一点，但是它包含一个Python循环，它可以减缓大型n的运行速度。
外部产品能一次计算吗？
浏览 2提问于2017-09-08得票数 3
回答已采纳
我有个奇怪的问题，我解决不了。我已经创建了一个名为arr的Numpy数组 import numpy as np
v1 = 1
e1 = [1, 2]
arr1 = [v1, e1] # Numpy array's first element
v2 = 2
e2 = [3, 5]
arr2 = [v2, e2] # Numpy array's second element
arr = np.array([arr1, arr2]) # My Numpy array
# array([[1, list([1, 2])],
# [2, list([3, 5])]]
浏览 11提问于2020-05-01得票数 0
我已经有一段时间在寻找这类问题的解决方案了:例如(因为我的实际问题更复杂)：
import numpy
a=[numpy.array([1,2]),numpy.array([2,2]),numpy.array([3,2]),numpy.array([4,2])]
b=[numpy.array([2,2]),numpy.array([3,2]),numpy.array([6,2]),numpy.array([5,2]),numpy.array([5,2])]
ya=numpy.array([1,2,3,4])
size_a=len(a)
size_b=len(b)
yb=numpy.empt
浏览 0提问于2013-02-21得票数 0
1回答
我想要定义我自己的加法运算符，它取一个Nx1向量(称为A)和一个1xN向量( B )，使得I^第一行和j^th列中的元素是A中的i^th元素和B中的j^th元素之和。
我能够为函数编写以下代码(据我所知，它是正确的)。
def test_fn(a, b):
a_len = a.shape[0]
b_len = b.shape[1]
prod = np.array([[0]*a_len]*b_len)
for i in range(a_len):
for j in range(b_len):
prod[i, j] =
浏览 0提问于2018-04-17得票数 0
回答已采纳
示例如下： import numpy as np
a = np.array([1,2],[3,4],[5,6])
b = np.array([7,8],[9,10],[11,12],[12,13]) 我想要的是用a中的每一项加上b中的每一项，然后把它们加在一起。例如，1,2应该加上b 1+7=8,2+8=10，8+10=18；1+9=10，2+10=12，10+12=22中的每一行...结果是，[[18,22,26,28...],[22,26,....],[26,30....]]，我的问题是，如何实现它？我知道使用numpy可能比循环更有效，但是如何使用矩阵来计算呢？
浏览 87提问于2021-07-19得票数 0
1回答
我有一个大小为8x8的numpy数组。下面是numpy数组：
QuantTable = np.array([[16, 11 ,10, 16, 24, 40, 51, 61],
[12, 12, 14, 19, 26, 58, 60, 55],
[14, 13, 16, 24, 40, 57, 69, 56],
[14, 17, 22, 29, 51, 87, 80, 62],
[18, 22, 37, 29, 51, 87, 80, 6
浏览 7提问于2017-08-26得票数 0
回答已采纳
假设我们有一个衣衫褴褛的嵌套序列，如下所示：
import numpy as np
x = np.ones((10, 20))
y = np.zeros((10, 20))
a = [[0, x], [y, 1]]
并希望创建一个完整的numpy数组，在必要时广播破烂的子序列(以匹配任何其他子序列的最大维数，在本例中为(10,20))。首先，我们可能尝试使用np.array(a)，这会产生警告：
VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tup
浏览 0提问于2020-08-11得票数 0
1回答
我正在做一个双循环，对一个以网格作为输入的函数求和。问题是它的运行速度非常慢。我想用另一个过程来优化代码，也许可以使用numpy的矢量化函数，但我不知道如何实现。我向您展示我拥有的代码：
import numpy as np
import time
Lxx = 2.
Lyy = 1.0
dxx = dyy = 0.01
nxx = 100
nyy = 100
XX, YY = np.meshgrid(np.arange(0, Lxx+dxx, dxx), np.arange(0, Lyy+dyy, dyy)) #mesh grid
def solution(xx,yy,nnmax,mmm
浏览 0提问于2020-10-13得票数 2
我有一个m*n*x维数的numpy ndarray A和m*n* y维数的另一个numpy ndarray B。我想将它们相乘，得到m*n*x*y维数的numpy ndarray C，方法如下：
for i in range(x):
for j in range(y):
C[:,:, i, j] = numpy.multiply(A[:, :, i], B[:, :, j])
浏览 0提问于2017-03-02得票数 2
回答已采纳
3回答
我在Python中尝试了这个简单的例子。
import numpy as np
a = np.array([1,2,3,4])
b = np.array([20])
a + b # broadcasting takes place!
np.dot(a,b) # no broadcasting here?!
我认为np.dot也使用广播，但它似乎没有。
我想知道为什么这种行为背后的哲学是什么？
NumPy中哪些操作使用广播，哪些操作不使用广播？
是否有另一个版本的dot函数用于点积，
哪一种实际使用广播？
浏览 18提问于2022-09-03得票数 -1
回答已采纳
设A和B是形状分别为(X，Y)和(Z，Y)的两个数值数组。我需要一个形状为(X，Y，Z)的数组C，其中，对于每个x，y和z，C，y，z= an，y-B，y。 据我所知，计算C的最快方法是从A的每一行中减去B，就像下面的代码示例一样。 import numpy
X , Y , Z = 10 , 8 , 3
A = numpy.random.rand( ( X , Y ) )
B = numpy.random.rand( ( Z , Y ) )
C = numpy.zeros( ( X , Y , Z ) )
for x in range( X ):
C[ x ] = A[ x ]
浏览 12提问于2019-09-11得票数 0
我正在尝试Numpy中的以下命令。将新序列分配给数组切片时报告错误。这个错误是意料之中的，但是我不知道为什么dimension会报告错误。为什么维度3上报错误，数组为1维
b = np.array([1, 2, 3, 4, 5])
print(b.ndim) # returns 1
b[2:] = [3, 4, 5, 6, 7]
>> ValueError: cannot copy sequence with size 5 to array axis with dimension 3
浏览 71提问于2020-02-26得票数 0
1回答
在不使用循环的情况下，下面代码的等效numpy实现是什么？
dt = np.dtype(np.float32)
a=[[12,3],
[2,4],
[2,4],]
b=[[12,3,2,3],
[2,4,4,5]]
a=np.asarray(a,dtype=dt)
b=np.asarray(b,dtype=dt)
print(a.shape)
print(b.shape)
ainvb=np.zeros((3,2,4))
for i in range(4):
ainvb[:,:,i]=a/b[:,i].T
我需要做的是将"a“的列除以"b”的每一行。
浏览 2提问于2015-12-03得票数 0
回答已采纳
我有一个(巨大的)二维数组。例如：
a=[[1,2],[2,3],[4,5]]
我需要从中提取满足某些条件的元素。
a[:,0]>1 and a[:,1]>2
这样，我就得到了一个数组，其中只有满足这两种条件的元素。
[[2,3],[4,5]]
(我需要在循环中进一步使用，这可能与问题相关，也可能与问题无关)
我尝试了以下几点：
np.transpose([np.extract(a[:,0]>1,a[:,0]),np.extract(a[:,1]>2,a[:,1])])
只有当两个提取的数组都具有相同的长度时，上述方法才能工作。即使它起作用了，它有时也会返回不成对的对(
浏览 0提问于2018-03-30得票数 2
回答已采纳
2回答
问题的定义
我可以这样表达我想要解决的问题：
考虑到A Nx1，nNx1和xMx1，我想进行这次手术
S = sum([A[i]*x**n[i] for i in range(len(n))])
使用了numpy。我想我可以用类似于在numpy中广播之类的方法来完成这个任务，但是我对numpy文档没有任何意义。有人能帮我找出如何有效地解决这个问题吗？
下面我为这个问题提供了一个实用的cython解决方案，这个解决方案非常快速，我想知道我是否可以更容易地使用numpy并完全避免cython。
Cython溶液
下面是这个问题的一个工作实现，使用cython来演示这个问题：
cimport cyt
浏览 3提问于2014-01-23得票数 1
回答已采纳
我有2个2d的numpy数组，A的形状(i，j)和B (i，k)，其中j >> k。我想定义一个新的三维数组C，使得C中的每个元素都是A中每个列与整个矩阵B的广播元素的乘积。换句话说，作为一个正常的python循环，我会这样做。
for x in range(j):
C[x] = A[:,x]*B
但是，在这种情况下，j是非常大的，如果我能够使用Numpy的功能来定义ndarray C元素，就像在上面的循环中那样，我将受益良多。
谢谢你的帮助
浏览 1提问于2018-07-09得票数 1
回答已采纳
1回答
是否类似于numpy外部函数的等效操作(或一系列操作)？
import numpy as np
a = np.arange(3)
b = np.arange(5)
print np.subtract.outer(a,b)
[[ 0 -1 -2 -3 -4]
[ 1 0 -1 -2 -3]
[ 2 1 0 -1 -2]]
显而易见的候选似乎只表现为元素级。
浏览 1提问于2016-07-22得票数 4
回答已采纳
这是一个相当简单的问题，但我似乎找不到答案。考虑两个简单的数组：
import numpy as np
a = np.random.uniform(0., 1., (2, 1000))
b = np.random.uniform(0., 1., (2,))
我想执行a - b操作，以便最后一个数组是([[a[0] - b[0], a[1] - b[1]])，我得到
ValueError: operands could not be broadcast together with shapes (2,1000) (2,)
如何执行此操作(或其他操作)？
浏览 4提问于2017-12-19得票数 0
回答已采纳
2回答
广播是使不同形状的数组具有可兼容的算术运算形状的过程。在numpy中，我们可以广播数组。TensorFlow图形支持类似于numpy的广播吗？
浏览 0提问于2018-04-23得票数 4
回答已采纳
2回答
下面的代码在Python 3.8.3中给出了一个错误： import numpy as np
a = np.random.rand(10, 5, 2)
b = np.random.rand(10, 5)
c = a/b 带错误 ValueError: operands could not be broadcast together with shapes (10,5,2) (10,5) 但是这两个形状应该是兼容的，对吧？我可以通过使用b:，:，None来让除法工作，但是Numpy page on broadcasting没有给出任何额外的语法应该是必要的指示。也许我快疯了，但我可以发誓我以
浏览 13提问于2020-07-03得票数 0
1回答
我尝试在Python中执行以下数组减法： import numpy as np
from scipy.sparse import csr_matrix
a = np.array([[1, 2], [3, 4]])
b = a[:, None] - a[None, :]
sum_ = np.sum(b, axis=-1)
print(sum_) 上面的方法似乎是可行的。但是，如果我将上面的数组a更改为稀疏矩阵： a = csr_matrix(a) 如果正确执行上面的步骤，我会得到一个错误： IndexError: Index dimension must be <= 2 有什么办法解
浏览 52提问于2020-04-18得票数 0
1回答
三维向量阵上的Numpy迭代
、、、、
我试图迭代一个Numpy数组，其中包含3d numpy数组(3d向量)。就像这样：
import numpy as np
Matrix = np.zeros(shape=(10, 3))
# => [
[0,0,0],
[0,0,0],
...
[0,0,0]
]
我需要迭代它，得到每个三维向量。在伪码中：
for vector in Matrix
print vector #=> [0,0,0]
有没有Numpy本土的方法来做这件事？最快的方法是什么？
谢谢!
弗兰
浏览 1提问于2014-05-20得票数 1
回答已采纳
1回答
假设我有2d和一维的numpy数组。我希望将第二个数组添加到第一个子数组中，并作为结果得到一个新的2d数组。
>>> import numpy as np
>>> a = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
>>> b = np.array([2, 3])
>>> c = ... # <-- What should be here?
>>> c
array([[3, 5],
[5, 7],
[7, 9],
[
浏览 2提问于2017-05-12得票数 2
回答已采纳
4回答
不同形状NumPy数组的元素乘法
、、、、
当我使用numpy.multiply(a,b)将numpy数组与形状(2, 1),(2,)相乘时，我得到一个2乘2的矩阵。但我想要的是基于元素的乘法。
我不熟悉numpy的规则。有人能解释一下这里发生了什么吗？
浏览 0提问于2018-07-15得票数 0
我有一个具有任意大小N的一维Numpy数组a，我还有其他具有2列和M行的numpy数组b。我想构建一个形状为(M, N)的二维数组，其中(i,j)元素是bool值b[:,0][i] <= a[j] <= b[:,1][i]。我想要一个不需要通过for循环的解决方案。 示例： import numpy as np
a = np.array([10, 2, 5])
b = np.array([[ 0, 5],[ 5, 10]])
# Expected array
np.array([[False, True, True], [True, False, True]])
浏览 12提问于2021-09-05得票数 2
回答已采纳
1回答
我有一个数据，两列的一维列表大小相同，我想形成第三列与这些向量的不同。概念上：
df['dV'] = df['v1'] - df['v2']
因此，如果df['v1']看起来像：
0 [0.2, 0.1, 0.0]
1 [0.5, -0.4, 0.0]
...
df['v2']看起来像：
0 [0.1, 0.6, 0.0]
1 [0.5, 0.4, 0.0]
...
那么，所期望的结果df['dV']将是：
0 [0.1, -0.5, 0.0]
1 [0.0, -0.8, 0.0]
..
浏览 2提问于2017-04-06得票数 0
回答已采纳
我有一个MxN numpy阵列的空气质量数据(M =纬度，N=经度)。我想对这个数据应用一个掩码，这样我就可以屏蔽赤道以上的任何东西(纬度> 0)。然而，我的纬度数据是一维(M)。
我可以想出掩蔽这些数据的方法，但它们似乎都是多余和冗长的。这就是为什么我想问你，在你看来，什么是最好的方法。
import numpy as np
from numpy.ma import masked_where
my_data = np.random.randn(10,5)
latitude = np.linspace(-5,4,10)
longitude = np.linspace(10,14,5)
浏览 2提问于2019-04-04得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
