我有一个尺寸为MxN的数组H和一个尺寸为M的数组A.我想用扩展阵列A^h行我做这种方式,采取的NumPy的使用Numpy按行进行缩放
H = numpy.swapaxes(H, 0, 1)
H /= A
H = numpy.swapaxes(H, 0, 1)
它的工作原理的元素方面的行为优势,但两个swapaxes操作是不是很优雅,我觉得有一种更优雅和更简洁的方式来实现结果,而不需要创建临时对象。你能告诉我怎么 ?
我有一个尺寸为MxN的数组H和一个尺寸为M的数组A.我想用扩展阵列A^h行我做这种方式,采取的NumPy的使用Numpy按行进行缩放
H = numpy.swapaxes(H, 0, 1)
H /= A
H = numpy.swapaxes(H, 0, 1)
它的工作原理的元素方面的行为优势,但两个swapaxes操作是不是很优雅,我觉得有一种更优雅和更简洁的方式来实现结果,而不需要创建临时对象。你能告诉我怎么 ?
我想你可以简单地使用H/A[:,None]
:
In [71]: (H.swapaxes(0, 1)/A).swapaxes(0, 1)
Out[71]:
array([[ 8.91065496e-01, -1.30548362e-01, 1.70357901e+00],
[ 5.06027691e-02, 3.59913305e-01, -4.27484490e-03],
[ 4.72868136e-01, 2.04351398e+00, 2.67527572e+00],
[ 7.87239835e+00, -2.13484271e+02, -2.44764975e+02]])
In [72]: H/A[:,None]
Out[72]:
array([[ 8.91065496e-01, -1.30548362e-01, 1.70357901e+00],
[ 5.06027691e-02, 3.59913305e-01, -4.27484490e-03],
[ 4.72868136e-01, 2.04351398e+00, 2.67527572e+00],
[ 7.87239835e+00, -2.13484271e+02, -2.44764975e+02]])
因为None
(或newaxis
)延伸A
在尺寸(example link):
In [73]: A
Out[73]: array([ 1.1845468 , 1.30376536, -0.44912446, 0.04675434])
In [74]: A[:,None]
Out[74]:
array([[ 1.1845468 ],
[ 1.30376536],
[-0.44912446],
[ 0.04675434]])
你只需要重塑A
,使其广泛的正常投:
A = A.reshape((-1, 1))
这样:
In [21]: M
Out[21]:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17],
[18, 19, 20]])
In [22]: A
Out[22]: array([1, 2, 3, 4, 5, 6, 7])
In [23]: M/A.reshape((-1, 1))
Out[23]:
array([[0, 1, 2],
[1, 2, 2],
[2, 2, 2],
[2, 2, 2],
[2, 2, 2],
[2, 2, 2],
[2, 2, 2]])
的可能重复的[如何正常化在python 2维阵列numpy的更简洁?](http://stackoverflow.com/questions/8904694/how-to-normalize-a -2维-numpy的阵列式-蟒-不太详细) – LondonRob