用numpy中不同形状的矩阵做加法和乘法

Question

我有一个N*M的矩阵A和一个N长度的向量V，我想做一个+V，其中A行I中的每个元素和V中的元素I求和，怎么做？你知道吗

例如：

A = np.random.rand(3,2)
V = np.array([1,2,3])
A + V

ValueError: operands could not be broadcast together with shapes (3,2) (3) 

我想做同样的乘法和除法。你知道吗

Answer 1

这里要查找的概念是broadcasting。它使您能够在任意两个矩阵之间进行逐点交互，只要它们的形状对应，或者在没有对应的轴上，至少有一个边退化，即大小为1。在您的例子中，您需要向V添加一个轴

A + V[:, np.newaxis]

Answer 2

您需要告诉numpy它必须将向量的维数V扩展1，您可以使用特殊索引np.newaxis来完成。它看起来是这样的：

import numpy as np

A = np.array([[10,20],[100,200],[1000,2000]])
V = np.array([1,2,3])
A + V[:,np.newaxis]

array([[  11,   21],
       [ 102,  202],
       [1003, 2003]])

从slicing docs：

Each newaxis object in the selection tuple serves to expand the dimensions of the resulting selection by one unit-length dimension. The added dimension is the position of the newaxis object in the selection tuple.

Answer 3

解决方案：

V = V.reshape(-1,1)
A + V

现在可以了