数组与

Question

我想这样做：

a =  # multi-dimensional numpy array
ares = # multi-dim array, same shape as a
a.shape
>>> (45, 72, 37, 24)  # the relevant point is that all dimension are different
v = # 1D numpy array, i.e. a vector
v.shape
>>> (37)  # note that v has the same length as the 3rd dimension of a
for i in range(37):
    ares[:,:,i,:] = a[:,:,i,:]*v[i]

我想应该有一个更紧凑的方法来处理numpy，但是我还没有弄明白。我想我可以复制v，然后计算a*v，但我想还有更好的方法。所以我需要在给定的轴上做元素乘法。有人知道我怎么做吗？谢谢。（顺便说一句，我确实发现了一个非常相似的问题，但由于OP的特殊问题的性质，讨论时间很短，并被跟踪到其他问题。）

Answer 1

你可以用爱因斯坦求和记法，用numpy的einsum函数来实现这一点：

ares = np.einsum('ijkl,k->ijkl', a, v)

Answer 2

这里还有一个：

b = a * v.reshape(-1, 1)

嗯，这比transpose，einsum甚至v[:, None]更易读，但是选择一个适合你风格的。

Answer 3

可以automatically broadcast相对于数组最外轴的向量。因此，您可以transpose数组将您想要的轴交换到外部，乘法，然后将其转置回去：

ares = (a.transpose(0,1,3,2) * v).transpose(0,1,3,2)