numpy的减/从二维阵列添加一维数组

Question

我有以下的二维数组：

a = array([[ 1, 2, 3], 
      [ 4, 5, 6], 
      [ 7, 8, 9], 
      [10, 11, 12], 
      [13, 14, 15]]) 

和另一维数组：

b = array([ 1, 2, 3, 4, 5]) 

那么我想计算像

东西

c = a - b 

意图得到：

c = array([[0, 1, 2], 
      [2, 3, 4], 
      [4, 5, 6], 
      [6, 7, 8], 
      [8, 9, 10]]) 

，而是我得到的错误信息：

Traceback (most recent call last): 
    Python Shell, prompt 79, line 1 
ValueError: operands could not be broadcast together with shapes (5,3) (5,) 

我读的广播规则，但仍然不会更聪明。我可以用for-loops或类似的方法做一个解决方法，但应该有一个直接的方法。谢谢

Answer 1

你需要转换数组b to a (2, 1) shape数组，在索引元组中使用None or numpy.newaxis。这里是Indexing of Numpy array。

你可以不喜欢它：

import numpy 

a = numpy.array([[ 1, 2, 3], 
      [ 4, 5, 6], 
      [ 7, 8, 9], 
      [10, 11, 12], 
      [13, 14, 15]]) 

b = numpy.array([ 1, 2, 3, 4, 5]) 
c=a - b[:,None] 
print c 

输出：

Out[2]: 
array([[ 0, 1, 2], 
     [ 2, 3, 4], 
     [ 4, 5, 6], 
     [ 6, 7, 8], 
     [ 8, 9, 10]]) 

Answer 2

由于Divakar在评论中规定，只需添加一个新的轴b。

我建议你阅读更多有关broadcasting这是经常用于矢量化numpy的计算：有趣的是，a.transpose() - b不会产生错误（你需要转置结果再次获得所需的输出）。

在这个计算中，第一个数组的形状是(3, 5)，而b.shape是（5，）。所以b的形状对应于a形状的尾部，并且可以发生广播。当第一个数组的形状为(5, 3)时，情况并非如此，因此您获得了错误。

这里有一些运行时进行比较参考答案的速度，用你的a和b值：你可以看到，差异是不是真的显著

In [9]: %timeit (a.T - b).T 
Out[9]: 1000000 loops, best of 3: 1.32 µs per loop 

In [10]: %timeit a - b[:,None] 
Out[10]: 1000000 loops, best of 3: 1.25 µs per loop 

In [11]: %timeit a - b[None].T 
Out[11]: 1000000 loops, best of 3: 1.3 µs per loop