我有一个3维数据集,我正尝试通过以下方式进行操作。
data.shape = (643, 2890, 10)
vector.shape = (643,)
我希望numpy将数据视为2890x10矩阵的643长度的1-D数组,并计算数据和矢量之间的点积(求和积?)。我可以使用循环来执行此操作,但是我真的很想找到一种使用原语来执行此操作的方法(它将在并行节点上运行多次)。
等效循环(我相信):
a = numpy.zeros ((2890, 10))
for i in range (643):
a += vector[i]*data[i]
非常感谢!抱歉,如果这是转贴,我搜索了很多东西,最后开了一个账户问你们。
a = numpy.array ([[[1,1,1,1],[2,2,2,2],[3,3,3,3]], [[3,3,3,3],[4,4,4,4],[5,5,5,5]]])
b = numpy.array ([10,20])
# Thus,
a.shape = (2,3,4)
b.shape = (2,)
# Want an operation . such that:
a . b = [[10,10,10,10],[20,20,20,20],[30,30,30,30]] + [[60,60,60,60],[80,80,80,80],[100,100,100,100]]
= [[70,70,70,70],[100,100,100,100],[130,130,130,130]]
如果您的NumPy足够新(1.6或更高),则可以使用numpy.einsum:
result = np.einsum('ijk,i -> jk', data, vector)
In [36]: data = np.array ([[[1,1,1,1],[2,2,2,2],[3,3,3,3]], [[3,3,3,3],[4,4,4,4],[5,5,5,5]]])
In [37]: vector = np.array ([10,20])
In [38]: np.einsum('ijk,i -> jk', data, vector)
Out[38]:
array([[ 70, 70, 70, 70],
[100, 100, 100, 100],
[130, 130, 130, 130]])
或者,如果没有np.einsum
,则可以向vector
添加额外的轴,并利用broadcasting进行乘法:
In [64]: (data * vector[:,None,None]).sum(axis=0)
Out[64]:
array([[ 70, 70, 70, 70],
[100, 100, 100, 100],
[130, 130, 130, 130]])
先前的答案使用了正确的numpy函数,但是没有给出要求的结果。
应该是:
np.einsum('i, ijk -> ijk', vector, data)