Numpy: Bagilah setiap baris dengan elemen vektor

Misalkan saya memiliki array numpy:

data = np.array([[1,1,1],[2,2,2],[3,3,3]])

dan saya memiliki "vektor:" yang sesuai

vector = np.array([1,2,3])

Bagaimana cara saya beroperasi di datasepanjang setiap baris untuk mengurangi atau membagi sehingga hasilnya adalah:

sub_result = [[0,0,0], [0,0,0], [0,0,0]]
div_result = [[1,1,1], [1,1,1], [1,1,1]]

Singkat cerita: Bagaimana cara melakukan operasi pada setiap baris array 2D dengan skalar 1D yang sesuai dengan setiap baris?

Ini dia. Anda hanya perlu menggunakan None(atau sebagai alternatif np.newaxis) dikombinasikan dengan penyiaran:

In [6]: data - vector[:,None]
Out[6]:
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

In [7]: data / vector[:,None]
Out[7]:
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])

Seperti yang telah disebutkan, mengiris dengan Noneatau dengan np.newaxesadalah cara yang bagus untuk melakukan ini. Alternatif lain adalah menggunakan transposes dan penyiaran, seperti dalam

(data.T - vector).T

dan

(data.T / vector).T

Untuk array berdimensi lebih tinggi, Anda mungkin ingin menggunakan swapaxesmetode array NumPy atau rollaxisfungsi NumPy . Ada banyak cara untuk melakukan ini.

Untuk penjelasan lebih lengkap tentang penyiaran, lihat http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html

Solusi JoshAdel menggunakan np.newaxis untuk menambahkan dimensi. Alternatifnya adalah menggunakan reshape () untuk menyelaraskan dimensi dalam persiapan penyiaran .

data = np.array([[1,1,1],[2,2,2],[3,3,3]])
vector = np.array([1,2,3])

data
# array([[1, 1, 1],
#        [2, 2, 2],
#        [3, 3, 3]])
vector
# array([1, 2, 3])

data.shape
# (3, 3)
vector.shape
# (3,)

data / vector.reshape((3,1))
# array([[1, 1, 1],
#        [1, 1, 1],
#        [1, 1, 1]])

Melakukan reshape () memungkinkan dimensi berbaris untuk penyiaran:

data:            3 x 3
vector:              3
vector reshaped: 3 x 1

Perhatikan bahwa data/vectortidak apa-apa, tetapi itu tidak memberi Anda jawaban yang Anda inginkan. Ini membagi masing-masing kolom dari array(bukannya setiap baris ) oleh setiap elemen yang sesuai vector. Itulah yang akan Anda dapatkan jika Anda secara eksplisit mengubah bentuk vectormenjadi, 1x3bukan 3x1.

data / vector
# array([[1, 0, 0],
#        [2, 1, 0],
#        [3, 1, 1]])
data / vector.reshape((1,3))
# array([[1, 0, 0],
#        [2, 1, 0],
#        [3, 1, 1]])

Cara pythonic untuk melakukan ini adalah ...

np.divide(data.T,vector).T

Ini menangani pembentukan kembali dan juga hasilnya dalam format floating point. Dalam jawaban lain, hasil dalam format bilangan bulat bulat.

#CATATAN: Tidak ada kolom di data dan vektor yang harus cocok

Menambah jawaban stackoverflowuser2010, dalam kasus umum Anda bisa menggunakan

data = np.array([[1,1,1],[2,2,2],[3,3,3]])

vector = np.array([1,2,3])

data / vector.reshape(-1,1)

Ini akan mengubah vektor Anda menjadi column matrix/vector. Memungkinkan Anda melakukan operasi elementwise sesuai keinginan. Setidaknya bagi saya, ini adalah cara yang paling intuitif tentangnya dan karena (dalam banyak kasus) numpy hanya akan menggunakan tampilan memori internal yang sama untuk pembentukan kembali itu juga efisien.