Numpy：实现二维数组与三维数组最后维度切片的逐元素乘法

嘿，这个问题我之前也踩过坑！Numpy的维度广播规则有时候确实容易让人困惑，不过解决起来其实挺简单的～

你直接用x * y不行的原因是维度不匹配：x是二维数组(100,10)，而y是三维数组(100,10,2)。Numpy的广播需要从最后一个维度开始对齐，这里x的最后一个维度是10，y的倒数第二个维度是10、倒数第一个是2，没法直接对齐，所以会报错。

要实现你想要的“每个y[i,j,:]乘以x[i,j]”，关键是给x增加一个长度为1的新维度，让它的形状变成(100,10,1)，这样就能和y的(100,10,2)触发广播机制了。下面给你几种常用的实现方式：

方法1：用[..., None]扩展维度（最简洁） #

这是Numpy里最常用的扩展维度写法，...表示取前面所有维度，None等价于np.newaxis，用来新增维度：

import numpy as np

x = np.random.randn(100, 10)
y = np.random.randn(100, 10, 2)

result = x[..., None] * y

方法2：用np.expand_dims显式扩展维度 #

如果觉得上面的写法不够直观，可以用np.expand_dims指定要扩展的轴（axis=-1表示最后一个轴）：

result = np.expand_dims(x, axis=-1) * y

方法3：用reshape手动修改形状 #

你也可以手动修改x的形状，在末尾加一个1：

result = x.reshape(x.shape + (1,)) * y

验证结果是否正确 #

你可以随便取一组i,j的值手动计算，验证结果是否符合预期：

# 取第0行第0列的元素验证
manual_calc = x[0, 0] * y[0, 0, :]
print(np.allclose(result[0, 0, :], manual_calc))  # 输出True说明结果正确

本质上这几种方法都是同一个思路：让x的维度和y的前两个维度对齐，同时新增一个长度为1的维度，让Numpy自动把这个维度广播到和y的最后一个维度匹配，这样每个x[i,j]就会和y[i,j,0]、y[i,j,1]分别相乘啦～

备注：内容来源于stack exchange，提问作者Euler_Salter