在 numpy 中是否有一种快速的方法可以将向量添加到矩阵的每一行或每一列。
最近,我一直在将向量平铺到矩阵的大小,这会占用大量内存。例如
mat=np.arange(15)
mat.shape=(5,3)
vec=np.ones(3)
mat+=np.tile(vec, (5,1))
我能想到的另一种方法是使用 python 循环,但循环很慢:
for i in xrange(len(mat)):
mat[i,:]+=vec
有没有一种快速的方法可以在 numpy 中做到这一点而不求助于 C 扩展?
能够虚拟平铺矢量会很好,就像更灵活的广播版本一样。或者能够按行或按列迭代操作,您几乎可以使用某些 ufunc 方法来完成。
最佳答案
为了向每一行添加一维数组,广播已经为您处理好了:
mat += vec
但是,更一般地,您可以使用
np.newaxis
将数组强制转换为可广播的形式。例如:mat + np.ones(3)[np.newaxis,:]
虽然不需要将数组添加到每一行,但对于按列添加也是必要的:
mat + np.ones(5)[:,np.newaxis]
编辑:正如塞巴斯蒂安提到的,对于行添加,
mat + vec
已经正确处理广播。它也比使用 np.newaxis
更快.我已经编辑了我的原始答案以说明这一点。
关于vector - 将向量添加到numpy中的矩阵行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11971089/