numpy разделить вдоль оси

есть ли функция numpy для разделения массива вдоль оси с элементами из другого массива? Например, предположим, что у меня есть array a С формой (l,m,n) и массивом b С формой (m,); я ищу что-то эквивалентное:

def divide_along_axis(a,b,axis=None):
    if axis is None:
        return a/b
    c = a.copy()
    for i, x in enumerate(c.swapaxes(0,axis)):
        x /= b[i]
    return c

например, это полезно при нормализации массив векторов:

>>> a = np.random.randn(4,3)
array([[ 1.03116167, -0.60862215, -0.29191449],
       [-1.27040355,  1.9943905 ,  1.13515384],
       [-0.47916874,  0.05495749, -0.58450632],
       [ 2.08792161, -1.35591814, -0.9900364 ]])
>>> np.apply_along_axis(np.linalg.norm,1,a)
array([ 1.23244853,  2.62299312,  0.75780647,  2.67919815])
>>> c = divide_along_axis(a,np.apply_along_axis(np.linalg.norm,1,a),0)
>>> np.apply_along_axis(np.linalg.norm,1,c)
array([ 1.,  1.,  1.,  1.])
16
divide numpy vector

2 ответов

для конкретного примера, который вы дали: разделив массив (l,m,n) на (m,), вы можете использовать np.newaxis:

a = np.arange(1,61, dtype=float).reshape((3,4,5)) # Create a 3d array 
a.shape                                           # (3,4,5)

b = np.array([1.0, 2.0, 3.0, 4.0])                # Create a 1-d array
b.shape                                           # (4,)

a / b                                             # Gives a ValueError

a / b[:, np.newaxis]                              # The result you want

вы можете прочитать все о правилах вещания здесь. Вы также можете использовать newaxis более одного раза, если это необходимо. (например, разделить массив shape (3,4,5,6) на массив shape (3,5)).

из моего понимания документов, использование newaxis + broadcasting позволяет также избежать ненужного копирования массива.

индексирование, newaxis etc описаны более полно здесь сейчас. (Документация реорганизована с момента первого опубликования этого ответа).

23

Я думаю, вы можете получить это поведение с обычным поведением вещания numpy:

In [9]: a = np.array([[1., 2.], [3., 4.]])

In [10]: a / np.sum(a, axis=0)
Out[10]:
array([[ 0.25      ,  0.33333333],
       [ 0.75      ,  0.66666667]])

Если я правильно истолковал.

Если вы хотите другую ось, вы можете перенести все:

> a = np.random.randn(4,3).transpose()
> norms = np.apply_along_axis(np.linalg.norm,0,a)
> c = a / norms
> np.apply_along_axis(np.linalg.norm,0,c)
array([ 1.,  1.,  1.,  1.])
0