问题描述
我正在尝试编写一个函数，将 numpy ndarray 减少到给定的形状，从而有效地“取消广播”该数组。例如，使用 add 作为通用函数，我想要以下结果：
- A = [1,2,3,4,5]，reduced_shape = (1,) -> [1+2+3+4+5] = [15]（轴上的和=0）
- A = [[1,2],[1,2]]，reduced_shape = (2,) -> [1+1,2+2] = [2,4]（轴上的和=0）
- A = [[1,2]]，reduced_shape = (1,) -> [1+2+1+2] = [6]（轴上的和=（0,1） )
- A = [[[1,2]],[[1,2]]],reduction_shape = (2,2) -> [[1+1,2+2],[1+1,2+2]] = [[2,4],[2,4]]（轴上的和=0）
这是我想出的解决方案：
def unbroadcast(A,reduced_shape):
fill = reduced_shape[-1] if reduced_shape else None
reduced_axes = tuple(i for i,(a,b) in enumerate(itertools.zip_longest(A,shape,fillvalue=fill)) if a!=b)
return np.add.reduce(A,axis=reduced_axes).reshape(shape)
但是感觉不必要的复杂，有没有办法实现这个依赖于Numpy的公共API？
解决方法
不清楚这是如何“取消广播”的。
进行计算的直接方法是使用 axis 的 sum 参数：
In [124]: np.array([1,2,3,4,5]).sum()
Out[124]: 15
In [125]: np.array([[1,2],[1,2]]).sum(axis=0)
Out[125]: array([2,4])
In [126]: np.array([[1,2]]).sum(axis=(0,1))
Out[126]: 6
In [128]: np.array([[[1,2]],[[1,2]]]).sum(axis=0)
Out[128]:
array([[2,4],[2,4]])
我不经常使用 reduce，但看起来轴也一样：
In [130]: np.add.reduce(np.array([1,5]))
Out[130]: 15
In [132]: np.add.reduce(np.array([[[1,2]]]),axis=0)
Out[132]:
array([[2,4]])
但我还没有弄清楚从 reduced_shape 到必要的 axis 值的逻辑。对于 (2,) 和 (2,2) 之类的形状，当您说将形状减少到 (2,2) 时可能会产生歧义。如果您使用像 np.arange(24).reshape(2,4)