我觉得 numpy.power 没有轴参数很奇怪……是因为有更好/更安全的方法来实现相同的目标(将 3D 数组中的每个 2D 数组提升为 1D 数组的幂) .
假设您有一个 (3,10,10) 数组 (A),并且您想要将每个 (10,10) 数组提升到形状为 (3,) 的数组 B 中的元素的幂。
您应该可以使用 np.power(A,B,axis=0)
来完成,对吗?
然而它会产生以下 TypeError :
TypeError: 'axis' is an invalid keyword to ufunc 'power'
因为似乎 power 没有轴或轴参数(尽管是一个 ufunc),所以首选的方法是什么?
可能有一个使用 ufunc.reduce
方法的解决方案,但我真的不知道如何使用 numpy.power
...
现在我这样做:
np.array([A[i,:,:]**B[i] for i in range(3)])
但它看起来很难看,而且可能不如 numpy 方法有效。
谢谢
最佳答案
power
不是缩减操作:它不会将数字集合缩减为单个数字,因此 axis
争论没有意义。 sum
等操作或 max
是缩减,因此指定应用缩减的轴是有意义的。
你想要的操作是broadcasting .这是一个较小的示例,带有 A
具有形状 (3, 2, 2) 和 B
有形状(3,)
.我们不能写 np.power(A, B)
, 因为形状不适合广播。我们首先必须向 B
添加微不足道的维度。给它形状 (3, 1, 1)。例如,这可以通过 B[:, np.newaxis, np.newaxis]
来完成。或 B.reshape(-1, 1, 1)
.
In [100]: A
Out[100]:
array([[[1, 1],
[3, 3]],
[[3, 2],
[1, 1]],
[[3, 2],
[1, 3]]])
In [101]: B
Out[101]: array([2, 1, 3])
In [102]: np.power(A, B[:, np.newaxis, np.newaxis])
Out[102]:
array([[[ 1, 1],
[ 9, 9]],
[[ 3, 2],
[ 1, 1]],
[[27, 8],
[ 1, 27]]])
np.newaxis
的值是None
, 所以你会经常看到使用 None
的表达式而不是 np.newaxis
.您还可以使用 **
运算符而不是函数 power
:
In [103]: A ** B[:, None, None]
Out[103]:
array([[[ 1, 1],
[ 9, 9]],
[[ 3, 2],
[ 1, 1]],
[[27, 8],
[ 1, 27]]])
关于python - 在特定轴上运行的 Numpy power ufunc,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55748842/