沿 B 广播 A 的每一行，避免“重复”
broadcast each row of A along B, avoiding `repeat`
我有 2 个二维数组，其中 1 个轴的维度相同：
a = np.array(np.arange(6).reshape((2,3)))
b = np.array(np.arange(12).reshape((3,4)))
我想将a的每一行与b相乘广播，即
b_r = np.repeat(b[:,:,None], 2, axis=2)
ab = a.T[:,None,:] * b_r
是否可以在避开repeat的同时进行广播？这个想法是为了避免为 repeat 操作分配不必要的内存。
您可以只输入 b[:,:,None] 而无需重复，因为 broadcasting 及其定义会为您播放它。
因此，只需执行 -
ab = a.T[:,None,:]*b[:,:,None]
我们可以通过跳过 a 的尾随 : 并使用 ... 替换 b 的 :,: 来使其紧凑一些，例如所以-
ab = a.T[:,None]*b[...,None]
对于 kicks，这是使用 np.einsum 的一个，它的性能会稍差一些，但一旦我们通过它的字符串表示法 -
ab = np.einsum('ij,jk->jki',a,b)
我有 2 个二维数组，其中 1 个轴的维度相同：
a = np.array(np.arange(6).reshape((2,3)))
b = np.array(np.arange(12).reshape((3,4)))
我想将a的每一行与b相乘广播，即
b_r = np.repeat(b[:,:,None], 2, axis=2)
ab = a.T[:,None,:] * b_r
是否可以在避开repeat的同时进行广播？这个想法是为了避免为 repeat 操作分配不必要的内存。
您可以只输入 b[:,:,None] 而无需重复，因为 broadcasting 及其定义会为您播放它。
因此，只需执行 -
ab = a.T[:,None,:]*b[:,:,None]
我们可以通过跳过 a 的尾随 : 并使用 ... 替换 b 的 :,: 来使其紧凑一些，例如所以-
ab = a.T[:,None]*b[...,None]
对于 kicks，这是使用 np.einsum 的一个，它的性能会稍差一些，但一旦我们通过它的字符串表示法 -
ab = np.einsum('ij,jk->jki',a,b)