python - 多维数据上的 numpy apply_along_axis 计算

Question

我正在将 J 语言代码翻译成 Python，但是 python 的 apply 函数的方式对我来说似乎不太清楚......

我目前有一个 (3, 3, 2) 矩阵 A 和一个 (3, 3) 矩阵 B。

我想将 A 中的每个矩阵除以 B 中的行:

A = np.arange(1,19).reshape(3,3,2)
array([[[ 1,  2],
        [ 3,  4],
        [ 5,  6]],

       [[ 7,  8],
        [ 9, 10],
        [11, 12]],

       [[13, 14],
        [15, 16],
        [17, 18]]])
B = np.arange(1,10).reshape(3,3)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

结果就是这样

      1 2
    1.5 2
1.66667 2

   1.75 2
    1.8 2
1.83333 2

1.85714 2
  1.875 2
1.88889 2

对于结果的第一个矩阵，我想要的计算方式如下:

 1/1  2/1
 3/2  4/2
 5/3  6/3

我已经尝试过

np.apply_along_axis(np.divide,1,A,B)

但它说

operands could not be broadcast together with shapes (10,) (10,10,2) 

有什么建议吗？ 提前谢谢您=]

ps。 J 代码是

A %"2 1 B 

这意味着“将 A 中的每个矩阵 ("2) 除以 B 中的每一行 ("1)"

或者只是简单

A % B

Answer 1

如果尾随尺寸匹配或为一，则广播有效!所以我们基本上可以添加一个虚拟维度!

import numpy as np
A = np.arange(1,19).reshape(3,3,2)
B = np.arange(1,10).reshape(3,3)
B = B[...,np.newaxis] # This adds new dummy dimension in the end, B's new shape is (3,3,1)
A/B

array([[[1.        , 2.        ],
        [1.5       , 2.        ],
        [1.66666667, 2.        ]],

    [[1.75      , 2.        ],
        [1.8       , 2.        ],
        [1.83333333, 2.        ]],

    [[1.85714286, 2.        ],
        [1.875     , 2.        ],
        [1.88888889, 2.        ]]])