python-3.x - Numpy将数组减少到给定的形状

Question

我正在尝试编写一个函数，将 numpy ndarray 减少到给定的形状，从而有效地“广播”数组。例如，使用 add 作为通用函数，我想要以下结果：

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

但这感觉不必要地复杂，有没有办法依靠 Numpy 的公共 API 来实现呢？

标签： python-3.xnumpynumpy-ndarrayreduction

Answer 1

目前尚不清楚这如何是“非广播”。

进行计算的直接方法是使用 的axis参数sum：

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]])

我用reduce的不多，但看起来axis也一样：

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]])

但我还没有弄清楚从你的价值观reduced_shape到必要axis价值观的逻辑。对于像 (2,) 和 (2,2,2) 这样的形状，当您说将形状缩小到 (2,2) 时，可能会产生歧义。如果您使用示例数组，例如np.arange(24).reshape(2,3,4)