元素级除法，比如MATLAB的./operator？

Question

我正在尝试规范化一些Nx3数据。如果X是Nx3数组，D是Nx1数组，在MATLAB中，我可以这样做 Y=X/D

如果我在Python中执行以下操作，就会得到一个错误

X = np.random.randn(100,3)    
D = np.linalg.norm(X,axis=1)
Y = X/D

ValueError: operands could not be broadcast together with shapes (100,3) (100,) 

有什么建议吗

编辑：多亏了dm2

Y = X/D.reshape((100,1))

另一种方法是使用scikitlearn

from sklearn import preprocessing
Y = preprocessing.normalize(X)

Answer 1

从阵列广播的numpy documentation开始：

When operating on two arrays, NumPy compares their shapes element-wise. It starts with the trailing (i.e. rightmost) dimensions and works its way left. Two dimensions are compatible when

1. they are equal, or
2. one of them is 1

两个阵列的第一维度相同，但X阵列是二维的，而D阵列是一维的，这意味着这两个阵列的形状不符合一起广播的要求

为了确保它们是正确的，您可以将D数组重塑为形状为（100,1）的二维数组，这将满足广播的要求：最右边的维度是3和1（其中一个是1），其他维度是相等的（100和100）

因此：

Y = X/D.reshape((-1,1))

或

Y = X/D.reshape((100,1))

或

Y = X/D[:,np.newaxis]

应该给你你想要的结果