NumPy sottrarre/aggiungere serie 1d dalla matrice 2D

Question

Ho il seguente 2D-array:

a = array([[ 1, 2, 3], 
      [ 4, 5, 6], 
      [ 7, 8, 9], 
      [10, 11, 12], 
      [13, 14, 15]]) 

e un altro 1D-array:

b = array([ 1, 2, 3, 4, 5]) 

poi voglio calcolare qualcosa come

c = a - b 

con l'intento di ottenere:

c = array([[0, 1, 2], 
      [2, 3, 4], 
      [4, 5, 6], 
      [6, 7, 8], 
      [8, 9, 10]]) 

ma invece ricevo il seguente messaggio di errore:

Traceback (most recent call last): 
    Python Shell, prompt 79, line 1 
ValueError: operands could not be broadcast together with shapes (5,3) (5,) 

ho letto le regole di trasmissione, ma hanno ragione't ottenere qualsiasi più saggio. Potrei fare un workaround con for-loops o simili ma dovrebbe esserci un modo diretto. Grazie

Answer 1

È necessario convertire la matrice dell'array b to a (2, 1) shape, utilizzare None or numpy.newaxis nella tupla dell'indice. Ecco lo Indexing of Numpy array.

Si può fare così:

import numpy 

a = numpy.array([[ 1, 2, 3], 
      [ 4, 5, 6], 
      [ 7, 8, 9], 
      [10, 11, 12], 
      [13, 14, 15]]) 

b = numpy.array([ 1, 2, 3, 4, 5]) 
c=a - b[:,None] 
print c 

uscita:

Out[2]: 
array([[ 0, 1, 2], 
     [ 2, 3, 4], 
     [ 4, 5, 6], 
     [ 6, 7, 8], 
     [ 8, 9, 10]]) 

Answer 2

Come Divakar precisato nei commenti, è sufficiente aggiungere un nuovo asse per b.

vi consiglio di leggere di più su broadcasting che è molto spesso utile vectorize calcoli in NumPy: abbastanza interessante, a.transpose() - b non avrebbe sollevato un errore (avresti bisogno di trasporre di nuovo il risultato di ottenere l'output desiderato).

In questo calcolo, la forma del primo array è (3, 5) e b.shape è (5,). Quindi la forma di b corrisponde alla coda della forma di a e la trasmissione può avvenire. Questo non è il caso quando la forma del primo array è (5, 3), quindi l'errore che hai ottenuto.

Ecco alcuni test di runtime per confrontare le velocità dei risposte suggerite, con i tuoi valori per a e b: si può vedere che le differenze non sono davvero significativo

In [9]: %timeit (a.T - b).T 
Out[9]: 1000000 loops, best of 3: 1.32 µs per loop 

In [10]: %timeit a - b[:,None] 
Out[10]: 1000000 loops, best of 3: 1.25 µs per loop 

In [11]: %timeit a - b[None].T 
Out[11]: 1000000 loops, best of 3: 1.3 µs per loop