Numpy维度：与标量/矩阵相乘

Question

我有一个变量X，它可以是标量或数组。在这两种情况下，我都希望扩展X

y = np.array([0.5, 1.5])

如果X是标量，那么

(X*y).sum()

如果X是一个矩阵，比如说2维矩阵，我想这样做

(X[..., np.newaxis]*y[np.newaxis, np.newaxis, ...]).sum()

我正在用创建y

try:
    ndim = X.ndim
except AttributeError:
    ndim = 0
y = np.array([0.5, 1.5], ndmin=ndim+1)

它允许我用X[..., np.newaxis]*y进行乘法：y现在独立于我计算中X的形状。但是，如果X是矩阵，我仍然需要做X[..., np.newaxis]，如果它是标量，我只需要做X。你知道吗

如何在代码开始时操纵X，以便

(X*y).sum()

以及以后类似的操作，不管X是否是矩阵？你知道吗

Answer 1

不需要y中的np.newaxis。没有它们你也能得到同样的结果。对于X，我想您可以执行以下操作：

if type(X) == np.ndarray:
    result = (X[..., np.newaxis] * y).sum()
else:
    result = (X * y).sum()

如果要将其推广到多个操作，只需在代码中的某个位置添加一行即可：

X = X[..., np.newaxis] if type(X) == np.ndarray else X

稍后只需使用(X * y).sum()，因为它将同时适用于X = number和X = ndarray。你知道吗

至于y，您不需要添加数字维度，numpy有smart broadcasting用于乘法。你知道吗

完整示例：

>>> x1 = 5
>>> x2 = np.random.rand(3,3)
>>> y  = np.array([0.5, 0.5])
>>> (x1 * y).sum() # works fine
>>> (x2[..., np.newaxis] * y).sum() # also works fine