标签: array-broadcasting

I have quite a simple scenario where I'd like to test whether both elements of a two-dimensional array are (separately) members of a larger array - for example:

full_array = np.array(['A','B','C','D','E','F'])
sub_arrays = np.array([['A','C','F'],
                       ['B','C','E']])
np.isin(full_array, sub_arrays)

This gives me a single dimension output:

array([ True,  True,  True, False,  True,  True])

showing whether elements of full_array are present in either of the two sub-arrays. I'd like instead a two-dimensional array showing the same thing for each of the two elements …

我必须通过广播对 2 个数组求和。这是第一个：

a = [0 1 2 3]

这是第二个：

A = [[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]

这是我到目前为止尝试过的代码：

a = [0 1 2 3]

但是当我运行时，它会抛出以下错误：ValueError: operands could not be broadcast together with shapes (4,) (4,6)

怎么解决呢？

我试图将一个 3D 数组乘以一个 1D 数组，这样沿着第 3 个（深度：d）维度的每个 2D 数组的计算方式如下：

1D_array[d]*2D_array

我最终得到一个看起来像这样的数组，比如：

[[
[1,1]
[1,1]]
[
[2,2]
[2,2]]
[
[3,3]
[3,3]]]

这将是将 np.ones((3,2,2)) 与 [1,2,3] 正确相乘的结果。

我已经尝试了一段时间，无论我似乎做什么，我都无法得到这个结果，只是主题的变化。我该如何正确地执行此操作？

谢谢你的帮助。

必须有一些“Python化”的方式来做到这一点，但我不认为np.place，np.insert或者np.put是什么我要找的。我想A用较小的 3D 数组中的值替换大型 3D 数组中的值B，从[i,j,k]较大数组中的位置开始。看图：

我想输入类似A[i+, j+, k+] = B或np.embed(B, A, (i,j,k)) 之类的内容，但当然这些都是不对的。

编辑：哦，有这个。所以我应该修改问题以询问这是否是最好的方法（其中“最佳”意味着笔记本电脑上 500x500x50 的浮点数组最快）：

s0, s1, s2 = B.shape
A[i:i+s0, j:j+s1, k:k+s2] = B

有什么区别numpy.add(a,b)和a+b添加两个ndarrays A和B是什么时候？文档说这numpy.add是“在阵列广播方面相当于 x1 + x2”。. 但我不明白这意味着什么，因为numpy.add(numpy.array([1,2,3]),4)也有效。

我有一个 3x1 点向量代表某条线的起点，还有一个 3x1 点向量代表某条线的终点。我想沿着这两个点连接的线对任意数量的点进行采样。

np.linspace 正是我所需要的，但在一维。有没有类似的功能可以扩展到3维？

谢谢

我从一个 2D 数组开始，想将它广播到一个 3D 数组（例如，从灰度图像到 rgb 图像）。这是我使用的代码。

>>> img_grey = np.random.randn(4, 4)
>>> img_rgb = np.broadcast_to(np.expand_dims(img_grey, axis=-1), (4, 4, 3))

这将创建一个img_rgb按预期工作的数组：3 个彩色通道（最后一个维度），每个切片都等于原始灰度图像。但是，如果我这样做

>>> img_rgb[0, 0, 0] = 0.
ValueError: assignment destination is read-only

我无法更改 rgb 图像！

数组具有以下维度： dists: (500,5000) train: (5000,) test:(500,)

为什么前两个语句会抛出错误而第三个语句正常？

1. dists += train + test

错误： ValueError: operands could not be broadcast together with shapes (5000,) (500,)

2. dists += train.reshape(-1,1) + test.reshape(-1,1)

错误： ValueError: operands could not be broadcast together with shapes (5000,1) (500,1)

3. dists += train + test.reshape(-1,1) 这工作正常！

为什么会发生这种情况？

我正在 Julia 中开发一个 Web-API 访问包，遵循相当标准的 REST。它有很多方法，例如：

post_foo(cred::ServiceCred, x, y)
get_foo(cred::ServiceCred, x, y)

有时我想一次向 API 发布多个内容（或者从中获取多个内容）。假设我有多个y我想要的post_foo

既然我已经做到了Base.broadcastable(cred::ServiceCred) = Ref(cred)，我可以做：

post_foo.(cred, "id123", ["a", "b", "c"])

从界面的角度来看，这很有效，而且非常好。我什至可以这样做：

post_foo.(cred, ["id1", "id2", "id3"], ["a", "b", "c"])

使其post_foo(cred, "id1", "a")依次进行等操作。

但因为这些是网络请求，所以我花了很多时间等待返回响应。如果我使用异步处理，它会快得多，因为它会将它们全部发送出去，并且不会阻塞，直到没有任何内容可发送。然后远程服务器将并行处理它们，并将所有响应返回。相当容易做到asyncmap。

但这不太好：

ansyncmap(["a", "b", "c"]) do y
    post_foo(cred, "id123", y)
end

于是我开始思考。BroadcastStyle如果我为自己设置一个自定义，ServiceCred使得所有处理都异步解析，然后不会阻塞直到最后，该怎么办？我认为它甚至可能能够颠覆融合机制以进行更复杂的调用，因此如果事情很好地链接在一起，那么一旦输入到达，所有请求都会被触发（但这可能要求有点高）。

• 这实际上可能吗？
• 如果没有那为什么不呢，
• 如果是这样我到底该怎么做？

假设我有一个xshape 的numpy 数组[1,5]。我想沿轴 0 扩展它，使得生成的数组y具有形状 [10,5] 并且对于每个 i 都y[i:i+1,:]等于x。

如果x是一个 pytorch 张量我可以简单地做

y = x.expand(10,-1)

但是 numpy 中没有expand，并且那些看起来像它（expand_dims和repeat）的行为似乎不像它。

例子：

y = x.expand(10,-1)