Numpy函数获取添加数组的形状

Question

tl;dr：我如何预测形状 return 通过跨多个数组的 numpy 广播而不必实际添加数组？

我有很多使用 numpy (Python) 广播规则的脚本，因此本质上是 1D 输入导致多维输出。对于一个基本示例，理想气体定律（压力 = rho * R_d * 温度）可能看起来像

def rhoIdeal(pressure,temperature):
    rho = np.zeros_like(pressure + temperature)
    rho += pressure / (287.05 * temperature)
    return rho

这里没有必要，但在更复杂的函数中，用正确的形状初始化数组非常有用。如果压力和温度具有相同的形状，则 rho 也具有该形状。如果压力的形状为 (n,)，温度的形状为 (m,)，我可以调用

rhoIdeal(pressure[:,np.newaxis], temperature[np.newaxis,:])

得到形状为 (n,m) 的 rho。这让我可以绘制具有多个温度值的图，而无需循环 rhoIdeal，同时仍然允许脚本接受相同形状的数组并逐个元素地计算结果。

我的问题是：return 是否有内置函数可以兼容多种输入？表现得像

def returnShape(list_of_arrays):
    return np.zeros_like(sum(list_of_arrays)).shape

实际上不必对数组求和？如果没有内置函数，一个好的实现应该是什么样的？

Answer 1

您可以使用 np.broadcast。这个函数 returns 一个对象封装了两个或多个数组一起广播的结果。不执行任何实际操作（例如加法）——该对象仅具有一些与通过其他操作生成的数组相同的属性（形状、ndim 等）。

例如：

x = np.array([1,2,3])  # shape (3,)
y = x.reshape(3,1)     # shape (3, 1)
z = np.ones((5,1,1))   # shape (5, 1, 1)

然后您可以通过检查 shape 属性来检查广播 x、y 和 z 返回的数组的形状：

>>> np.broadcast(x, y, z).shape
(5, 3, 3)

这意味着您可以按如下方式简单地实现您的功能：

def returnShape(*args):
    return np.broadcast(*args).shape

Numpy function to get shape of added arrays