Numpy将数组减少到给定的形状

qni6mghb 于 2023-08-05 发布在其他

关注(0)|答案(2)|浏览(98)

我正在尝试编写一个函数，将numpy ndarray减少到给定的形状，这有效地“取消广播”数组。例如，使用add作为通用函数，我希望得到以下结果：

A = [1，2，3，4，5]，reduced_shape =（1，）-> [1+2+3+4+5] = [15]（轴上的总和=0）
A = [[1，2]，[1，2]]，reduced_shape =（2，）-> [1+1，2+2] = [2，4]（轴上的总和=0）
A = [[1，2]，[1，2]]，reduced_shape =（1，）-> [1+2+1+2] = [6]（轴上的总和=（0，1））
A = [1，2]，[1，2]]，[[1，2]，[1，2]，reduced_shape =（2，2）-> [[1+1，2+2]，[1+1，2+2]] = [[2，4]，[2，4]]（轴上和=0）

这是我想出的解决方案：

def unbroadcast(A, reduced_shape):
    fill = reduced_shape[-1] if reduced_shape else None
    reduced_axes = tuple(i for i, (a,b) in enumerate(itertools.zip_longest(A, shape, fillvalue=fill)) if a!=b)
    return np.add.reduce(A, axis=reduced_axes).reshape(shape)

字符串
但是感觉不必要的复杂，有没有依赖Numpy的公共API的方法来实现它？

numpy

来源：https://stackoverflow.com/questions/66445472/numpy-reduce-array-to-a-given-shape

2条答案

按热度按时间

kknvjkwl1#

目前尚不清楚这是如何“非广播”的。
直接的计算方法是使用sum的axis参数：

In [124]: np.array([1,2,3,4,5]).sum()
Out[124]: 15
In [125]: np.array([[1,2],[1,2]]).sum(axis=0)
Out[125]: array([2, 4])
In [126]: np.array([[1,2],[1,2]]).sum(axis=(0,1))
Out[126]: 6
In [128]: np.array([[[1,2], [1,2]], [[1,2], [1,2]]]).sum(axis=0)
Out[128]: 
array([[2, 4],
       [2, 4]])

字符串
我不太使用reduce，但看起来axis也是这样：

In [130]: np.add.reduce(np.array([1,2,3,4,5]))
Out[130]: 15
In [132]: np.add.reduce(np.array([[[1,2], [1,2]], [[1,2], [1,2]]]),axis=0)
Out[132]: 
array([[2, 4],
       [2, 4]])

型
但是我还没有弄清楚从reduced_shape到必要的axis值的逻辑。对于像（2，）和（2，2，2）这样的形状，当你说将形状缩小到（2，2）时，可能会有歧义。如果使用np.arange(24).reshape(2,3,4)这样的示例数组，可能会更清楚

赞(0）回复(0）举报 2023-08-05

zfciruhq2#

如果从最右边的dims开始迭代，您可以得到一个更通用的解决方案。这就是numpy在广播时所做的：https://numpy.org/doc/stable/user/basics.broadcasting.html#general-broadcasting-rules。
只需添加itertools.zip_longest(reversed(list(A)), reversed(list(shape)))

赞(0）回复(0）举报 2023-08-05

我来回答

Numpy将数组减少到给定的形状

2条答案

相关问题

热门标签

最新问答