如何以最Pythonic的方式将二维概率数组与一维正态分布数组相乘得到三维数组

这事儿用numpy的广播机制来解决绝对是最地道的Python写法，简洁又高效，完全不用写冗余的循环代码！

核心思路 #

假设你的二维数组A形状是(m, n)，一维正态分布数组B形状是(k,)，我们要生成的三维数组C形状是(m, n, k)，其中每个元素C[i,j,l] = A[i,j] * B[l]。利用numpy的广播特性，只需要给A增加一个维度，让它和B的维度匹配，就能直接完成逐元素相乘。

代码示例 #

import numpy as np

# 先构造示例数据
A = np.random.rand(2, 3)  # 2行3列的二维概率数组
B = np.random.normal(size=4)  # 长度为4的一维正态分布数组

# 两种等价的写法，选你看着顺眼的就行
# 写法1：用np.newaxis给A添加第三维
C = A[:, :, np.newaxis] * B

# 写法2：用np.expand_dims指定扩展的轴
# C = np.expand_dims(A, axis=2) * B

为什么这是最Pythonic的？ #

• 简洁直观：一行代码搞定，完全不用写嵌套循环去遍历每个元素，符合Python“用最少代码做最多事”的风格
• 效率拉满：numpy的广播是底层C实现的，比自己写Python循环快N个量级，尤其是处理大数组的时候优势更明显
• 可读性强：看代码就能立刻明白是把A的每个元素和B的所有元素相乘，逻辑一目了然

补充说明 #

执行完后，C的形状会是(2, 3, 4)，正好对应需求里的三维结构——第三维度的长度和B的长度一致。numpy会自动处理维度扩展的细节，你完全不用手动去重复数组元素。

内容的提问来源于stack exchange，提问作者maelstromscientist