从numpy的列表中用不同的数字划分每个维度答案

【问题标题】：Divide each dimension with different number from a list in numpy从numpy的列表中用不同的数字划分每个维度
【发布时间】：2020-11-20 15:49:20
【问题描述】：

我有形状为 (3,3,3) 的 ndarray 并列出了 3 个数字。

我想将第一个维度与列表中的第一个数字相除，第二个维度与第二个数字相除，第三个维度与第三个数字相除。

例子：

np.random.rand(3,3,3)

>>>array([[[0.90428811, 0.60637664, 0.45090308],
        [0.17400851, 0.49163535, 0.62370288],
        [0.58701608, 0.91207839, 0.69364496]],

       [[0.85290321, 0.85170489, 0.48792597],
        [0.02602198, 0.91088298, 0.14882673],
        [0.63354821, 0.21764451, 0.30760075]],

       [[0.64833375, 0.13583598, 0.50561519],
        [0.42832468, 0.91146014, 0.41627495],
        [0.71238947, 0.37868578, 0.05874898]]])

还有名单：

lst=[0.215, 0.561,0.724]

我希望输出结果是这样的结果：

[0.90428811/0.215, 0.60637664/0.215, 0.45090308/0.215],
        [0.17400851/0.215, 0.49163535/0.215, 0.62370288/0.215],
        [0.58701608/0.215, 0.91207839/0.215, 0.69364496/0.215]],

[[0.85290321/0.561, 0.85170489/0.561, 0.48792597/0.561],
        [0.02602198/0.561, 0.91088298/0.561, 0.14882673/0.561],
        [0.63354821/0.561, 0.21764451/0.561, 0.30760075/0.561]],

 [[0.64833375/0.724, 0.13583598/0.724, 0.50561519/0.724],
        [0.42832468/0.724, 0.91146014/0.724, 0.41627495/0.724],
        [0.71238947/0.724, 0.37868578/0.724, 0.05874898/0.724]]])

我尝试过这样做（arr 是 ndarray）：

nums=np.arange(3)

for n in nums:
    arr[i]=arr[i]/lst[i]

但出现错误：

IndexError: 只有整数、切片 (:)、省略号 (...)、 numpy.newaxis (None) 和整数或布尔数组是有效的索引

【问题讨论】：

你可以通过einsum来做到这一点

标签： python numpy numpy-ndarray

【解决方案1】：

只需执行此操作。 broadcasts 和 lst 数组的形状 (3, 1, 1) 很容易与 a 的形状相匹配。

请注意，None 只是 np.newaxis 的别名。

import numpy as np
a = np.random.randn(3,3,3)
lst = np.array([0.215, 0.561,0.724])

a / lst[:, None, None]

【讨论】：

成功了！我不确定我理解的唯一事情是它如何不将所有维度与 lst 中的数字分开，它如何知道将其“应用”在正确的维度上
我在我的回答中附上了 numpy 广播的链接。它基本上实际上复制元素以从(3, 1, 1) 生成形状为(3, 3, 3) 的lst 数组以执行元素除法。您可以查看链接以通过更多示例了解有关广播如何工作的更多信息。随时要求进一步澄清。

【解决方案2】：

使用索引广播：

a = np.random.rand(3,3,3)
res = a / lst[:, np.newaxis, np.newaxis]

这样做的原因是lst[:, np.newaxis, np.newaxis] 生成了一个形状为 (3, 1, 1) 的数组，并且 numpy 将任何大小为 1 的维度扩展为许多常见操作所需的大小（通过重复元素）。这个过程称为广播。

因此，在我们的示例中，对于除法，lst[:, np.newaxis, np.newaxis] 的结果将扩展为：

[[[0.215, 0.215, 0.215],
  [0.215, 0.215, 0.215],
  [0.215, 0.215, 0.215]],

 [[0.561, 0.561, 0.561],
  [0.561, 0.561, 0.561],
  [0.561, 0.561, 0.561]],

 [[0.724, 0.724, 0.724],
  [0.724, 0.724, 0.724],
  [0.724, 0.724, 0.724]]]

请注意，这种扩展仅在概念上发生，numpy 不会分配更多内存只是为了一遍又一遍地用相同的值填充它。

【讨论】：

【解决方案3】：

这不是一个很好看的解决方案（因为lst 声明），但它有效：

import numpy as np

np.random.rand(3,3,3)

arr = np.array([[[0.90428811, 0.60637664, 0.45090308],
        [0.17400851, 0.49163535, 0.62370288],
        [0.58701608, 0.91207839, 0.69364496]],

       [[0.85290321, 0.85170489, 0.48792597],
        [0.02602198, 0.91088298, 0.14882673],
        [0.63354821, 0.21764451, 0.30760075]],

       [[0.64833375, 0.13583598, 0.50561519],
        [0.42832468, 0.91146014, 0.41627495],
        [0.71238947, 0.37868578, 0.05874898]]])
        
lst = [[[0.215]], [[0.561]],[[0.724]]]

div = np.divide(arr, lst)

print(div)

输出将是：

[[[4.20599121 2.82035647 2.09722363]
  [0.80934191 2.28667605 2.90094363]
  [2.73030735 4.24222507 3.22625563]]

 [[1.52032658 1.51819053 0.86974326]
  [0.04638499 1.62367733 0.26528829]
  [1.12931945 0.38795813 0.54830793]]

 [[0.8954886  0.18761876 0.69836352]
  [0.59160867 1.25892285 0.5749654 ]
  [0.98396336 0.52304666 0.081145  ]]]

【讨论】：