python - Numpy:从子矩阵广播

Question

给定两个二维数组:

A =[[1, 1, 2, 2],
    [1, 1, 2, 2],
    [3, 3, 4, 4],
    [3, 3, 4, 4]]

B =[[1, 2],
    [3, 4]]

A - B = [[ 0, -1,  1,  0],
         [-2, -3, -1, -2],
         [ 2,  1,  3,  2],
         [ 0, -1,  1,  0]]

B 的形状为 2,2，A 的形状为 4,4。我想在 A 上执行 B 的广播减法:A - B。

我特别想使用广播，因为我正在处理的数组大小非常大(8456,8456)。我希望广播能够提供小的性能优化。

我尝试过 reshape 数组，但没有成功，并且被难住了。我无法使用 Scikit。

Answer 1

您可以通过在两个维度上平铺两次来扩展 B:

print A - numpy.tile(B, (2, 2))

产量

[[ 0 -1  1  0]
 [-2 -3 -1 -2]
 [ 2  1  3  2]
 [ 0 -1  1  0]]

但是对于大矩阵，这可能会在 RAM 中产生大量开销。

或者您可以view A in blocks使用 Scikit Image 的 skimage.util.view_as_blocks 并就地修改它

Atmp = skimage.util.view_as_blocks(A, block_shape=(2, 2))
Atmp -= B

print A

这将导致，而无需不必要地重复B

[[ 0 -1  1  0]
 [-2 -3 -1 -2]
 [ 2  1  3  2]
 [ 0 -1  1  0]]