这使用broadcasting相当简单。
例如:
>>> import numpy as np
>>> dx = np.array([[1], [2], [3]])
>>> dx
array([[1],
[2],
[3]])
>>> dx * np.arange(4)
array([[0, 1, 2, 3],
[0, 2, 4, 6],
[0, 3, 6, 9]])
>>> x = np.array([[10], [10], [10]])
>>> x - dx * np.arange(4)
array([[10, 9, 8, 7],
[10, 8, 6, 4],
[10, 7, 4, 1]])
什么广播是,通常,如果你的阵列是兼容的形状,是一个很好的方式应用操作沿所有轴。因此,在此步骤:
>>> dx * np.arange(4)
array([[0, 1, 2, 3],
[0, 2, 4, 6],
[0, 3, 6, 9]])
numpy的,走的是outer product,即:
[1] [0 1*1 2*1 3*1]
[2] * [0 1 2 3] = [0 1*2 2*2 3*2]
[3] [0 1*3 2*3 3*3]
,这给所有你想从x
减去值。广播x - dx * np.arange(4)
需要所述列向量x
并将其广播到相同的形状的外产物(在每一列中的值复制),使得该最终操作看起来像
[10 10 10 10] [0 1*1 2*1 3*1]
[10 10 10 10] - [0 1*2 2*2 3*2]
[10 10 10 10] [0 1*3 2*3 3*3]
其等于,因为是你的乳胶方程:
[x1 x1-dx x1-2dx x1-3dx]
[x2 x2-dx x2-2dx x2-3dx]
[x3 x3-dx x3-2dx x3-3dx]
发布实际数组和预期的最终结果 – RomanPerekhrest
编辑该问题以显示一个小的工作示例。 –