Numpy, python: automatyczne rozszerzanie wymiarów tablic podczas emisji

Question

Rozważ następujące ćwiczenie w nadawaniu tablicy Numpy.

import numpy as np 
v = np.array([[1.0, 2.0]]).T # column array 

A2 = np.random.randn(2,10) # 2D array 
A3 = np.random.randn(2,10,10) # 3D 

v * A2 # works great 

# causes error: 
v * A3 # error 

Znam zasady NumPy nadawczych i jestem zaznajomiony z bsxfun funkcjonalność w Matlab. Rozumiem, dlaczego próba nadania tablicy (2,1) do tablicy (2, N, N) kończy się niepowodzeniem, i że muszę przekształcić tablicę (2,1) w tablicę (2,1,1) przed tym nadawanie przechodzi.

Moje pytanie brzmi: czy jest jakiś sposób, aby powiedzieć Pythonowi, aby automatycznie podkładał wymiarowość tablicy podczas próby emisji, bez konieczności wyraźnego wymawiania jej koniecznego wymiaru?

I nie chce jednoznacznie para The (2,1) wektor z wielowymiarowej tablicy to będzie transmitowane na --- inaczej mógłby zrobić coś głupiego i absurdalnie brzydki jak mult_v_A = lambda v,A: v.reshape([v.size] + [1]*(A.ndim-1)) * A. Nie wiem z góry, czy tablica "A" będzie 2D, 3D czy N-D.

Funkcja nadawania Matlab'a bsxfun niejawnie podkłada wymiary w razie potrzeby, więc mam nadzieję, że jest coś, co mógłbym zrobić w Pythonie.

Answer 1

Jest brzydki, ale to będzie działać :

(v.T * A3.T).T 

Jeśli nie dają mu żadnych argumentów, transpozycji odwraca kształt krotki, więc można teraz liczyć na zasadach nadawania wykonywać swoją magię. Ostatnia transpozycja przywraca wszystko do właściwej kolejności.

Answer 2

Transmisja NumPy dodaje dodatkowe osie po lewej stronie.

Więc jeśli zorganizować swoje tablice więc wspólne osie są po prawej i broadcastable osie są po lewej stronie, a następnie można użyć nadawanie bez problemu:

import numpy as np 
v = np.array([[1.0, 2.0]]) # shape (1, 2) 

A2 = np.random.randn(10,2) # shape (10, 2) 
A3 = np.random.randn(10,10,2) # shape (10, 10, 2) 

v * A2 # shape (10, 2) 

v * A3 # shape (10, 10, 2)