numpy：将每行除以一个向量元素

假设我有一个numpy数组：

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

我有一个对应的“向量”：

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

我如何data沿着每一行进行减法或除法运算，所以结果是：

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

长话短说：如何使用对应于每一行的1D标量数组在2D数组的每一行上执行操作？

干得好。您只需要与广播结合使用None（或np.newaxis）：

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]])

正如已经提到，切片用None或者np.newaxes是一个伟大的方式来做到这一点。另一种选择是使用转置和广播，如

(data.T - vector).T

和

(data.T / vector).T

对于高维数组，您可能需要使用swapaxesNumPy数组或NumPy的方法rollaxis函数。确实有很多方法可以做到这一点。

有关广播的完整说明，请参见 http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html

JoshAdel的解决方案使用np.newaxis添加尺寸。一种替代方法是使用reshape（）对齐尺寸以准备广播。

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]])

执行reshape（）可以将尺寸对齐以进行广播：

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

请注意，这data/vector可以，但是并不能为您提供所需的答案。它把各列的array（而不是每一行由每个相应的元素）vector。如果您明确将其重塑vector为1x3而不是，则会得到此结果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]])

Pythonic的方法是...

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

这需要重整形，并且结果为浮点格式。在其他答案中，结果为四舍五入的整数格式。

＃注意：数据和向量中的列数均应匹配

在一般情况下，您可以使用stackoverflowuser2010的答案

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

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

data / vector.reshape(-1,1)

这会将您的向量变成column matrix/vector。允许您根据需要执行元素操作。至少对我来说，这是最直观的方式，因为（在大多数情况下）numpy只会使用同一内部存储器的视图来重塑它的效率。