与广播concatenate

Question

考虑以下数组：

a = np.array([0,1])[:,None]
b = np.array([1,2,3])

print(a)
array([[0],
       [1]])

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

有一种简单的方法来以播放后者的方式加入这两个阵列，以获取以下内容？

array([[0, 1, 2, 3],
       [1, 1, 2, 3]])

我已经看到有一个相关问题的问题。提出了涉及

np.broadcast_arrays

的替代方案，但是我无法将其适应我的示例。有什么方法可以做到这一点，不包括

np.tile/np.concatenate

解决方案？
    

您可以以以下方式做到这一点

import numpy as np
a = np.array([0,1])[:,None]
b = np.array([1,2,3])
b_new = np.broadcast_to(b,(a.shape[0],b.shape[0]))
c = np.concatenate((a,b_new),axis=1)
print(c)

Answer 1

def concatenate_broadcast(arrays, axis=-1):
    def broadcast(x, shape):
        shape = [*shape]  # weak copy
        shape[axis] = x.shape[axis]
        return np.broadcast_to(x, shape)

    shapes = [list(a.shape) for a in arrays]
    for s in shapes:
        s[axis] = 1

    broadcast_shape = np.broadcast(*[
            np.broadcast_to(0, s)
            for s in shapes
    ]).shape

    arrays = [broadcast(a, broadcast_shape) for a in arrays]
    return np.concatenate(arrays, axis=axis)

Answer 2

x

和大小

y

和

(X, c1)

Answer 3

(Y, c2)

的行的所有串联，而行的行是

(X * Y, c1 + c2)

的。 像原始海报一样，我很失望地发现

x

不会为我进行广播。 我想使用上面的解决方案，除了

y

和

concatenate()

可能很大，该解决方案将使用大型临时数组。

我终于提出了以下内容：

X

I创建一个大小的结果阵列，我在

Y

和

    result = np.empty((x.shape[0], y.shape[0], x.shape[1] + y.shape[1]), dtype=x.dtype)
    result[...,:x.shape[0]] = x[:,None,:]
    result[...,x.shape[0]:] = y[None,:,:]
    result = result.reshape((-1, x.shape[1] + y.shape[1]))

的内容中广播，然后将结果重塑为正确的大小。
    

(X, Y, c1 + c2)

通常解决这个问题。

x

之后，

y

gufunky.concatenate

正确处理边缘盒，例如连接阵列和串联空数组。在此答案时，它的工作原理如下。

pip install gufunky

https：//github.com/johnadawson/gufunky/blob/master/src/gufunky.py，

Answer 4