在特定轴上运行的 Numpy power ufunc

Question

我觉得 numpy.power 没有轴参数很奇怪...是因为有一种 better/safer 方法可以实现相同的目标（将 3D 数组中的每个 2D 数组提升到一维数组的幂）。

假设您有一个 (3,10,10) 数组 (A)，并且您想要将每个 (10,10) 数组提升到形状为 (3,) 的数组 B 中的元素的幂。你应该可以通过使用 np.power(A,B,axis=0) 来完成，对吧？然而它会产生以下 TypeError ：

TypeError: 'axis' is an invalid keyword to ufunc 'power'

因为 power 似乎没有轴或轴参数（尽管是一个 ufunc），首选的方法是什么？

可能有一个使用 ufunc.reduce 方法的解决方案，但我真的不知道如何使用 numpy.power...

现在我这样做了：

np.array([A[i,:,:]**B[i] for i in range(3)])

但它看起来很难看，而且效率可能不如 numpy 方法。

谢谢

Answer 1

power 不是 reduction 操作：它不会将数字集合减少为单个数字，因此 axis 参数不会说得通。 sum 或 max 等操作是归约，因此指定应用归约的轴是有意义的。

您想要的操作是broadcasting。这是一个较小的示例，A 的形状为 (3, 2, 2)，B 的形状为 (3,)。我们不能写np.power(A, B)，因为形状不兼容广播。我们首先必须向 B 添加微不足道的维度，以赋予其形状 (3, 1, 1)。这可以通过 B[:, np.newaxis, np.newaxis] 或 B.reshape(-1, 1, 1).

来完成

In [100]: A                                                                                                                                                    
Out[100]: 
array([[[1, 1],
        [3, 3]],

       [[3, 2],
        [1, 1]],

       [[3, 2],
        [1, 3]]])

In [101]: B                                                                                                                                                    
Out[101]: array([2, 1, 3])

In [102]: np.power(A, B[:, np.newaxis, np.newaxis])                                                                                                            
Out[102]: 
array([[[ 1,  1],
        [ 9,  9]],

       [[ 3,  2],
        [ 1,  1]],

       [[27,  8],
        [ 1, 27]]])

np.newaxis 的值为 None，因此您会经常看到使用 None 而不是 np.newaxis 的表达式。您还可以使用 ** 运算符代替函数 power:

In [103]: A ** B[:, None, None]                                                                                                                                
Out[103]: 
array([[[ 1,  1],
        [ 9,  9]],

       [[ 3,  2],
        [ 1,  1]],

       [[27,  8],
        [ 1, 27]]])

在特定轴上运行的 Numpy power ufunc

Numpy power ufunc operating on specific axis

python

numpy

numpy-ufunc