NumPy广播错误：(540,2500)与(540,)数组无法执行逐行均值除法

问题出在Numpy的广播规则上：两个数组做运算时，维度需要从后往前对应匹配。你的train_data是(540,2500)的二维数组，而train_rows_mean是(540,)的一维数组，最后一个维度（2500 vs 无维度）不匹配，导致无法广播。

解决方法很简单，只需要把行均值数组转换成**(540,1)**的二维形状，这样就能和原数组的维度匹配，自动广播到每行的所有元素上。以下三种方法都可以实现：

方法1：计算均值时保留维度 #

直接在mean()方法中指定keepdims=True，让结果保持二维形状：

train_rows_mean = train_data.mean(axis=1, keepdims=True)  # 形状变为(540,1)
train_data = train_data / train_rows_mean

方法2：用reshape调整维度 #

通过reshape(-1,1)把一维数组转成二维：

train_rows_mean = train_data.mean(axis=1).reshape(-1, 1)  # 形状变为(540,1)
train_data = train_data / train_rows_mean

方法3：用np.newaxis增加维度 #

借助np.newaxis在一维数组后添加一个维度：

import numpy as np

train_rows_mean = train_data.mean(axis=1)[:, np.newaxis]  # 形状变为(540,1)
train_data = train_data / train_rows_mean

验证一下调整后的形状：

print(train_rows_mean.shape)  # 输出(540,1)

此时再做除法运算就不会报错了。

内容的提问来源于stack exchange，提问作者sahuno