我想向量化将二维数组添加到 3d 数组中的每个 2d 数组的过程。
我使用来自 matplotlib 的图像导入了一个图像文件
data = image.imread('test.jpg')
然后我尝试将每个 RGB 数组的平均值添加到另一个与 data 形状相同的数组
data2 = np.zeros_like(data)
data3 = np.average(data, axis=2)
for i in range(len(data2[0,0,:])):
data2[:,:,i] = data3
我只想将上面的两行代码向量化为一行
请您参考如下方法:
将 data3 转换为结果数据类型,然后在使用 np.newaxis/None 扩展为 3D 后广播/重复-
b = data3.astype(data.dtype)
data2_out = np.broadcast_to(b[...,None], data.shape)
输出只是 b 的一个 View ,因此我们在那里获得了内存效率。
如果你需要一个有自己内存空间的输出,我们可以用data2_out.copy()强制复制或者使用np.repeat,像这样-
np.repeat(b[...,None],data.shape[2],axis=2)
如果您已经初始化了输出数组 data2 并且只想分配给它,我们可以通过将 data3 扩展到 3D 来实现这在某些情况下也可能更直观,例如 -
data2[:] = data3[...,None]
