从两个多维numpy数组复制到另一个具有不同形状的数组

如何解决从两个多维numpy数组复制到另一个具有不同形状的数组

我有两个以下形状的numpy数组：

print(a.shape) -> (100,20,3,3)
print(b.shape) -> (100,3)

数组a为空，因为我只需要这种预定义的形状，所以我用以下方法创建了它：

a = numpy.empty(shape=(100,3))

现在，我想将数据从数组b复制到数组a，以便数组a的第二维和第三个维被对应的行的相同3个值填充数组b。

让我尝试使其更加清晰： 数组b包含100行（ 100 ，3），每行包含三个值（100， 3 ）。 现在，数组a（ 100 ，20、3、3）的每一行在最后一个维度（100、20、3， 3 ），而对于同一行的第二维和第三维（100， 20 ， 3 ，3），这三个值保持不变（ 100 ，20、3、3）。

我希望我能传达我的问题。 如何在不使用循环的情况下如上所述复制数据？ 我只是无法完成它，但是对此必须有一个简单的解决方案... 谢谢。

解决方法

您可以在repeat中使用axis。您也不需要预定义a。我也建议不要使用broadcast_to，因为它会返回只读视图，并且内存在元素之间共享：

a = np.repeat(b[:,None,:],20,1) #adds dimensions 1 and 2 and repeats 20 times along axis 1
a = np.repeat(a,3,2) #repeats 3 times along axis 2

小例子：

b = np.arange(2*3).reshape(2,3)
#[[0 1 2]
# [3 4 5]]
a = np.repeat(b[:,2,1) 
a = np.repeat(a,2) 
#shape(2,3)
[[[[0 1 2]
   [0 1 2]
   [0 1 2]]

  [[0 1 2]
   [0 1 2]
   [0 1 2]]]


 [[[3 4 5]
   [3 4 5]
   [3 4 5]]

  [[3 4 5]
   [3 4 5]
   [3 4 5]]]]

,

我们可以使用np.broadcast_to。

如果您认为还可以--

np.broadcast_to(b[:,(100,3))

如果需要具有自己的存储空间的输出，只需附加.copy()。

如果要节省内存并填充已经定义的数组，请a：

a[:] = b[:,:]

请注意，我们可以跳过后面的:。

时间：

In [20]: b = np.random.rand(100,3)

In [21]: %timeit np.broadcast_to(b[:,3))
5.93 µs ± 64.4 ns per loop (mean ± std. dev. of 7 runs,100000 loops each)

In [22]: %timeit np.broadcast_to(b[:,3)).copy()
11.4 µs ± 56.2 ns per loop (mean ± std. dev. of 7 runs,100000 loops each)

In [23]: %timeit np.repeat(np.repeat(b[:,1),2)
39.3 µs ± 147 ns per loop (mean ± std. dev. of 7 runs,10000 loops each)