Python NumPy中如何确保数组P与M维度一致为(2,3,3)

当前代码的循环逻辑里，每次通过P[x]取到的是数组P在第一维的切片，形状为(3,3)，且每次计算后都会直接覆盖M的原有值，最终M只会保留最后一次循环得到的二维数组，自然和形状为(2,3,3)的P不匹配。

有两种常用实现方案，优先选择第一种向量化写法，运行效率远高于循环逻辑：

• 方法1：直接利用numpy的广播机制做全局逐元素运算，不需要手写循环，一行代码就能得到和P形状完全一致的结果
• 方法2：如果必须保留循环逻辑，先初始化一个和P同形状的数组，循环时把每个切片的计算结果存入对应的维度位置即可

推荐无循环写法 #

import numpy as np
P=np.array([[[128.22918457, 168.52413295, 209.72343319],
        [129.01598287, 179.03716051, 150.68633749],
        [131.00688309, 187.42601593, 193.68172751]],

       [[ 64.11459228,  84.26206648, 104.86171659],
        [ 64.50799144,  89.51858026,  75.34316875],
        [ 65.50344155,  93.71300796,  96.84086375]]])

# 直接对整个三维数组逐元素+1，结果形状和P完全一致
M = P + 1
print(M.shape)  # 输出 (2, 3, 3)
print(M)

保留循环的写法 #

import numpy as np
P=np.array([[[128.22918457, 168.52413295, 209.72343319],
        [129.01598287, 179.03716051, 150.68633749],
        [131.00688309, 187.42601593, 193.68172751]],

       [[ 64.11459228,  84.26206648, 104.86171659],
        [ 64.50799144,  89.51858026,  75.34316875],
        [ 65.50344155,  93.71300796,  96.84086375]]])

# 先初始化和P同形状、同数据类型的空数组
M = np.empty_like(P)
for x in range(2):
    M[x] = P[x] + 1
print(M.shape)  # 输出 (2, 3, 3)
print(M)

内容的提问来源于stack exchange，提问作者Wiz123