numpy apply_along_axis 多维数据计算

Question

我正在将一段J语言代码翻译成Python，但是python的应用函数的方式对我来说似乎有点不清楚...

我目前有一个 (3, 3, 2) 矩阵 A 和一个 (3, 3) 矩阵 B。

我想将 A 中的每个矩阵除以 B 中的行：

A = np.arange(1,19).reshape(3,3,2)
array([[[ 1,  2],
        [ 3,  4],
        [ 5,  6]],

       [[ 7,  8],
        [ 9, 10],
        [11, 12]],

       [[13, 14],
        [15, 16],
        [17, 18]]])
B = np.arange(1,10).reshape(3,3)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

就是这样的结果

对于结果的第一个矩阵，我想计算的方式如下：

 1/1  2/1
 3/2  4/2
 5/3  6/3

我试过了

np.apply_along_axis(np.divide,1,A,B)

但是它说

operands could not be broadcast together with shapes (10,) (10,10,2)

有什么建议吗？提前谢谢你=]

ps。 J 代码是

A %"2 1 B

这意味着 "divide each matrix("2) 从 A 到 B 的每一行 ("1)"

或者只是

A % B

Answer 1

如果尾随维度匹配或为一，则广播有效！所以我们基本上可以添加一个虚拟维度！

import numpy as np
A = np.arange(1,19).reshape(3,3,2)
B = np.arange(1,10).reshape(3,3)
B = B[...,np.newaxis] # This adds new dummy dimension in the end, B's new shape is (3,3,1)
A/B

array([[[1.        , 2.        ],
        [1.5       , 2.        ],
        [1.66666667, 2.        ]],

    [[1.75      , 2.        ],
        [1.8       , 2.        ],
        [1.83333333, 2.        ]],

    [[1.85714286, 2.        ],
        [1.875     , 2.        ],
        [1.88888889, 2.        ]]])

numpy apply_along_axis 多维数据计算

numpy apply_along_axis computation on multidimensional data

python

numpy

apply

j