从两个多维NumPy数组复制到另一个不同形状的数组

Question

我有两个形状如下的numpy数组:

print(a.shape) -> (100, 20, 3, 3)
print(b.shape) -> (100, 3)

数组a为空的，我只需要预定义的形状，所以我用以下方式创建它：

a = numpy.empty(shape=(100, 20, 3, 3))

现在我想将数组b中的数据复制到数组a中，使得数组a的第二和第三维被相应b数组的行的同样3个值填充。

让我试着更加清晰地阐述： 数组b包含100行（100，3），每行都有三个值（100，3）。 现在，数组a（100，20，3，3）的每一行也应该在最后一个维度上保持相同的三个值（100，20，3，3），而对于同一行（100，20，3，3），这些三个值在第二和第三维上保持不变（100，20，3，3）。

我怎样才能按照描述的方式复制数据而不使用循环？我无法完成它，但必须有一个简单的解决方案。

- H123321

Answer 1

你可以沿着 axis 使用 repeat。你也不需要预定义 a。我建议不要使用 broadcast_to，因为它返回的是只读视图，并且内存在元素之间共享：

a = np.repeat(b[:,None,None,:], 20, 1) #adds dimensions 1 and 2 and repeats 20 times along axis 1
a = np.repeat(a, 3, 2) #repeats 3 times along axis 2

更小的例子：

b = np.arange(2*3).reshape(2,3)
#[[0 1 2]
# [3 4 5]]
a = np.repeat(b[:,None,None,:], 2, 1) 
a = np.repeat(a, 3, 2) 
#shape(2,2,3,3)
[[[[0 1 2]
   [0 1 2]
   [0 1 2]]

  [[0 1 2]
   [0 1 2]
   [0 1 2]]]


 [[[3 4 5]
   [3 4 5]
   [3 4 5]]

  [[3 4 5]
   [3 4 5]
   [3 4 5]]]]

- Ehsan

---

非常感谢，这似乎有效。你能想到另一种只使用广播和 None 而不使用 np.repeat 函数的方法吗？只是好奇是否有另一种方便的方法。 - H123321

@H123321，你可以使用np.broadcast_to(b, (2,3,2,3)).transpose(2,0,1,3)，但正如我在帖子中提到的那样，我建议你不要这样做，除非你以后不会对它进行任何处理。仅使用None进行广播只会添加维度，而不会复制内容（添加维度的形状为1）。 - Ehsan

@Ehsan 只在视图上复制一份就足够了，而且比重复两次更好，不是吗？ - Divakar

@Divakar 好主意。谢谢。点赞。如果我们只需要在一个轴上重复而不是两个轴，它的时间复杂度是否相同？或者重复比复制慢还有其他原因吗？ - Ehsan

我猜测只有两次重复就意味着需要两份副本。 - Divakar

我明白了。谢谢。 - Ehsan

Answer 2

我们可以利用 np.broadcast_to。

如果您对视图满意 -

np.broadcast_to(b[:,None, None, :], (100, 2, 3, 3))

如果您需要一个具有自己内存空间的输出，只需使用.copy()进行追加即可。

如果您想节省内存并填充到已定义的数组a中：

a[:] = b[:,None,None,:]

请注意，我们可以跳过末尾的冒号:。

时间：

In [20]: b = np.random.rand(100, 3)

In [21]: %timeit np.broadcast_to(b[:,None, None, :], (100, 2, 3, 3))
5.93 µs ± 64.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [22]: %timeit np.broadcast_to(b[:,None, None, :], (100, 2, 3, 3)).copy()
11.4 µs ± 56.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [23]: %timeit np.repeat(np.repeat(b[:,None,None,:], 20, 1), 3, 2)
39.3 µs ± 147 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

- Divakar