通过 .reshape(generator) 将一维数组广播到可变 nD 数组的特定维度

Question

我有一个 nD 维的形状为 (2,2,2,...n) 的大矩阵，它经常变化。

但是我也收到传入数据，它始终是形状为 (2,) 的一维数组。

现在我想通过重塑将我以前的 nD 维度矩阵与我的一维数组相乘...我还有一个 'index' 我想特别广播和修改的维度。

因此我正在执行以下操作（在循环内）：

matrix_nd *= array_1d.reshape(1 if i!=index else dimension for i, dimension in enumerate(matrix_nd.shape))

但是这个生成器作为输入似乎无效。请注意，维度将始终等于 2，并且只会在我们的序列中放置一次。

例如，如果我们有一个形状为 (2,2,2,2,2) 且索引为 3 的 5D 矩阵；我们希望将一维数组重塑为 (1,1,1,2,1).

有什么想法吗？

提前致谢。

编辑：

所以事实证明我的整个方法都是错误的：获取我之后的元组似乎仍然将 (2,) 一维数组广播到所有维度。

例如：我有 (2,2,2) 的 numpy 数组 test_nd.shape，它看起来像这样：

array([[[1, 1],
  [1, 1]],
 [[1, 1],
  [1, 1]]])

然后我重塑一个 (2,) 1D 数组以仅广播到第 3 个维度：

toBroadcast = numpy.asarray([0,0]).reshape(1,1,2)

其中 toBroadcast 的格式为 array([[[0, 0]]])

然而... test_nd*toBroadcast returns 结果如下：

array([[[0, 0],
      [0, 0]],
     [[0, 0],
      [0, 0]]])

好像一直在向各个维度广播。有什么想法吗？

Answer 1

你可以像这样定义一个函数

def broadcast_axis(data, ndims, axis):
    newshape = [1] * ndims
    newshape[axis] = -1
    return data.reshape(*newshape)

并像

一样使用它

vector = broadcast_axis(vector, matrix.ndim, 3)

Answer 2

一种方法是排列轴。因此，我们可以将相关轴从 matrix_nd 推到最后一个，让它与一维数组相乘，最后置换轴。因此，给定 axis，在 matrix_nd 中，我们需要乘以一维数组，它将是 -

np.moveaxis(np.moveaxis(matrix_nd,axis,-1)*array_1d,-1,axis)

同样，我们不需要将一维数组重新整形为 (1,1,1,2,1)。我们可以将其重塑为相关轴，即 (2,1) 和 broadcasting 仍然有效，因为引导轴是自动广播的。因此，另一种方式是 -

matrix_nd*array_1d.reshape((-1,)+(1,)*(matrix_nd.ndim-axis-1))

Broadcasting a 1D array to a particular dimension of a varying nD array via .reshape(generator)