web-dev-qa-db-ja.com

numpyは軸に沿って分割します

軸に沿って配列を別の配列の要素で分割するnumpy関数はありますか？たとえば、形状（l、m、n）の配列aと形状（m、）の配列bがあるとします。私は以下と同等のものを探しています：

def divide_along_axis(a,b,axis=None):
    if axis is None:
        return a/b
    c = a.copy()
    for i, x in enumerate(c.swapaxes(0,axis)):
        x /= b[i]
    return c

たとえば、これはベクトルの配列を正規化するときに役立ちます。

>>> a = np.random.randn(4,3)
array([[ 1.03116167, -0.60862215, -0.29191449],
       [-1.27040355,  1.9943905 ,  1.13515384],
       [-0.47916874,  0.05495749, -0.58450632],
       [ 2.08792161, -1.35591814, -0.9900364 ]])
>>> np.apply_along_axis(np.linalg.norm,1,a)
array([ 1.23244853,  2.62299312,  0.75780647,  2.67919815])
>>> c = divide_along_axis(a,np.apply_along_axis(np.linalg.norm,1,a),0)
>>> np.apply_along_axis(np.linalg.norm,1,c)
array([ 1.,  1.,  1.,  1.])
numpyvectordivide
24
user545424

あなたが与えた特定の例のために：（l、m、n）配列を（m、）で割ると、np.newaxisを使うことができます：

a = np.arange(1,61, dtype=float).reshape((3,4,5)) # Create a 3d array 
a.shape                                           # (3,4,5)

b = np.array([1.0, 2.0, 3.0, 4.0])                # Create a 1-d array
b.shape                                           # (4,)

a / b                                             # Gives a ValueError

a / b[:, np.newaxis]                              # The result you want

あなたは放送規則についてのすべてを読むことができます ここ 。必要に応じて、newaxisを複数回使用することもできます。 （たとえば、形状（3,4,5,6）配列を形状（3,5）配列で分割する）。

ドキュメントの私の理解から、newaxis +ブロードキャストを使用すると、不必要な配列のコピーも回避されます。

インデックス作成、newaxisなどについて詳しく説明します ここ 今。 （この回答が最初に投稿されてから、ドキュメントが再編成されました）。

31
FredL

この動作は、numpyの通常のブロードキャスト動作で実現できると思います。

In [9]: a = np.array([[1., 2.], [3., 4.]])

In [10]: a / np.sum(a, axis=0)
Out[10]:
array([[ 0.25      ,  0.33333333],
       [ 0.75      ,  0.66666667]])

私が正しく解釈した場合。

他の軸が必要な場合は、すべてを転置できます。

> a = np.random.randn(4,3).transpose()
> norms = np.apply_along_axis(np.linalg.norm,0,a)
> c = a / norms
> np.apply_along_axis(np.linalg.norm,0,c)
array([ 1.,  1.,  1.,  1.])
0
Owen