使用NumPy逐行缩放

Question

我有一个大小为MxN的数组H和一个大小为M的数组A。我想用数组A来缩放H的行。我这样做，利用Numpy的逐元素操作。

H = numpy.swapaxes(H, 0, 1)
H /= A
H = numpy.swapaxes(H, 0, 1)

这个代码可以运行，但是两次swapaxes操作并不是很优雅，我感觉有一种更加优雅和简洁的方式来达到相同的结果，而且不需要创建临时变量。你能告诉我怎么做吗？

- Monkey

---

可能是如何在Python中更简洁地对二维NumPy数组进行归一化？的重复问题。 - LondonRob

Answer 1

我认为你可以简单地使用H/A[:,None]：

In [71]: (H.swapaxes(0, 1) / A).swapaxes(0, 1)
Out[71]: 
array([[  8.91065496e-01,  -1.30548362e-01,   1.70357901e+00],
       [  5.06027691e-02,   3.59913305e-01,  -4.27484490e-03],
       [  4.72868136e-01,   2.04351398e+00,   2.67527572e+00],
       [  7.87239835e+00,  -2.13484271e+02,  -2.44764975e+02]])

In [72]: H/A[:,None]
Out[72]: 
array([[  8.91065496e-01,  -1.30548362e-01,   1.70357901e+00],
       [  5.06027691e-02,   3.59913305e-01,  -4.27484490e-03],
       [  4.72868136e-01,   2.04351398e+00,   2.67527572e+00],
       [  7.87239835e+00,  -2.13484271e+02,  -2.44764975e+02]])

由于None（或newaxis）在维度（示例链接）中扩展了A：

In [73]: A
Out[73]: array([ 1.1845468 ,  1.30376536, -0.44912446,  0.04675434])

In [74]: A[:,None]
Out[74]: 
array([[ 1.1845468 ],
       [ 1.30376536],
       [-0.44912446],
       [ 0.04675434]])

- DSM

Answer 2

你只需要重塑A，以便它可以正确地广播：

A = A.reshape((-1, 1))

那么：

In [21]: M
Out[21]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17],
       [18, 19, 20]])


In [22]: A
Out[22]: array([1, 2, 3, 4, 5, 6, 7])


In [23]: M / A.reshape((-1, 1))
Out[23]: 
array([[0, 1, 2],
       [1, 2, 2],
       [2, 2, 2],
       [2, 2, 2],
       [2, 2, 2],
       [2, 2, 2],
       [2, 2, 2]])

- tacaswell