对成对操作使用“none”的numpy索引

b[:, None] 是一种特殊类型的切片,其行为与 b[:, np.newaxis]

>>> b.shape
(2,)
>>> b[:, None].shape
(2, 1)

此行为记录在 numpy docs ^[1]

newaxis 对象可用于所有切片操作,以创建长度为1的轴。 None ,和

现在我们有两个数组:

array([1, 2]) + array([[3],
                       [4]])

array([[4, 5],
       [5, 6]])

numpy broadcasting ^[2] This article ^[3]

本文的主要结论如下:

或者如果一个尾随轴等于一个

array([[1, 2],    +  array([[3, 3],
       [1, 2]])            [4, 4]])

_{https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#numpy.newaxis}

_{^[2] https://docs.scipy.org/doc/numpy-1.13.0/user/basics.broadcasting.html}

_{http://scipy.github.io/old-wiki/pages/EricsBroadcastingDoc}

您要做的是添加一个新的轴:“列”-轴。 b a

a+b[:, None] = [1,2] + [[3], = [[1,2], + [[3],[3],
                        [4]]    [1,2]]    [4],[4]]

以下是方法/原因:

numpy 默认情况下执行elementwise加法和乘法。这意味着如果 a=np.array([1,2]) a+2=np.array([1+2,2+2])=np.array([3,5])

import numpy as np
A = np.array([[1, 2],
              [3, 4]])
B = np.array([[1,1],
              [0,0]])

在这里 A+B

A+B = [[1+1,2+1], = [[2,3],
       [3+0,4+0]] =  [3,4]]

B (使用 B.T

现在

B.T= np.array([[1,0],
               [1,0]])

如果这次我们这样做,我们会得到:

A+B.T=[[1, 2]  + [[1,0]  =  [[2,2],
       [3, 4]]    [1,0]]     [4,4]]

不

a = np.array([1,2])
B+a = [[1,2], + [[2, 3],
       [1,2]]    [1, 2]]

.

Numpy docs None np.newaxis 无 -添加前的矢量!

import numpy as np
a = np.array([1, 2])
b = np.array([3, 4])

c=a+b.reshape(2,1)
d=a+b.reshape(-1,1)
e=a+b[:, np.newaxis]

c ,请 d e 有相同的价值观!