通过.整形（生成器）将一维阵列广播到变化nD阵列的特定维数

Question

我有一个大矩阵的形状（2，2，2，…n）的钕维，这往往是不同的。你知道吗

不过，我也收到了传入的数据，这总是一个1D数组的形状（2，）。你知道吗

现在我想用我的一维数组乘以我以前的一维矩阵，通过重塑。。。我还有一个“索引”，我特别想广播和修改它的维度。你知道吗

因此，我将执行以下操作（在循环中）：

matrix_nd *= array_1d.reshape(1 if i!=index else dimension for i, dimension in enumerate(matrix_nd.shape))

但是，这个生成器作为输入似乎无效。 请注意，维度将始终等于2，并且在我们的序列中只放置一次。你知道吗

例如，如果我们有一个5D矩阵的形状（2，2，2，2，2），索引为3，我们会想重塑1D数组的形状（1，1，1，2，1）。你知道吗

有什么想法吗？你知道吗

提前谢谢。你知道吗

编辑：

所以我的整个方法都是错的： 得到我想要的元组似乎仍然将（2，）1D数组传播到所有维度。你知道吗

例如： （2,2,2）的numpy数组test_nd.shape，如下所示：

array([[[1, 1],
  [1, 1]],
 [[1, 1],
  [1, 1]]])

然后我重塑一个（2，）1D数组，只广播到第三维度：

toBroadcast = numpy.asarray([0,0]).reshape(1,1,2)

其中toBroadcast的形式为array([[[0, 0]]])

然而。。。test_nd*toBroadcast返回以下结果：

array([[[0, 0],
      [0, 0]],
     [[0, 0],
      [0, 0]]])

它似乎一直在向全方位传播。有什么想法吗？你知道吗

Answer 1

一种方法是排列轴。因此，我们可以将相关轴从matrix_nd推到最后，让它与1D数组相乘，最后将轴置换回来。因此，对于给定的axis，在matrix_nd中，我们需要将1D数组相乘，它将是-

np.moveaxis(np.moveaxis(matrix_nd,axis,-1)*array_1d,-1,axis)

同样，我们不需要将1D数组重塑为(1,1,1,2,1)。我们可以将其重塑为仅相关轴，即(2,1)和broadcasting仍然有效，因为前导轴是自动广播的。因此，另一种方法是-

matrix_nd*array_1d.reshape((-1,)+(1,)*(matrix_nd.ndim-axis-1))

Answer 2

你可以定义一个函数

def broadcast_axis(data, ndims, axis):
    newshape = [1] * ndims
    newshape[axis] = -1
    return data.reshape(*newshape)

像这样使用它

vector = broadcast_axis(vector, matrix.ndim, 3)