如何沿着多维数组的关联索引将向量元素添加到子数组的每个元素

Question

我想知道是否有一种更“numpythonic”或更有效的方法来执行以下操作：

假设我有一个A已知长度的一维数组L，并且有一个多维数组B，它的维度也有长度L。假设我想添加（或设置） 的值B[:, ..., x, ..., :] += A[x]。换句话说，将该值添加到匹配索引 中A[x]的整个子数组的每个值。Bx

一个非常简单的工作示例是这样的：

A = np.arange(10, 20)

B = np.random.rand(3, len(A), 3)

for iii in range(len(A)):

    B[:, iii, :] += A[iii]

显然，我总是可以像上面那样循环遍历我想要的索引，但我很好奇是否有更有效的方法。如果有一些更常见的术语来描述这个过程，我也会感兴趣，因为我什至很难构建适当的谷歌搜索。

我还试图避免创建与 -vector 形状相同的新数组，B并在其他索引上重复平铺A-vector ，然后将其添加到B，因为更“真实”的世界应用程序可能涉及B相对较大的数组。

Answer 1

对于您的简单情况，您可以这样做：B[:] = A[:, None]这是因为广播才有效。B通过模拟in的尺寸A，您可以明确告诉 numpy 将元素放置在哪里。对于更一般的情况，您想要沿着的A维度放置，您可以执行以下操作：kBB[:] = np.expand_dims(A, tuple(range(A.ndim, A.ndim + B.ndim - k)))np.expand_dims将在您告诉它的索引处添加轴。还有其他方法。例如，您可以A使用B.ndim - k - 1以下实例建立索引None：B[:] = A[(slice(None), *(None,) * (B.ndim - k - 1))]您还可以使用np.reshape来获取正确形状的视图：B[:] = A.reshape(-1, *np.ones(B.ndim - k - 1, dtype=int))或者B[:] = A.reshape(-1, *(1,) * (B.ndim - k - 1))或者B[:] = A.reshape((-1,) + (1,) * (B.ndim - k - 1))在所有这些情况下，您只需要扩展 的尾随维度A，因为这就是广播的工作原理。由于广播是 numpy 不可或缺的一部分，因此您只需替换即可=获得+=预期结果。