Numpy: divide cada fila por un elemento vectorial

Supongamos que tengo una matriz numpy:

data = np.array([[1,1,1],[2,2,2],[3,3,3]])

y tengo un "vector" correspondiente

vector = np.array([1,2,3])

¿Cómo opero a lo datalargo de cada fila para restar o dividir para que el resultado sea:

sub_result = [[0,0,0], [0,0,0], [0,0,0]]
div_result = [[1,1,1], [1,1,1], [1,1,1]]

En pocas palabras: ¿Cómo realizo una operación en cada fila de una matriz 2D con una matriz 1D de escalares que corresponden a cada fila?

Aqui tienes. Solo necesita usar None(o alternativamente np.newaxis) combinado con transmisión:

In [6]: data - vector[:,None]
Out[6]:
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

In [7]: data / vector[:,None]
Out[7]:
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])

Como se ha mencionado, cortar con Noneo con np.newaxeses una excelente manera de hacer esto. Otra alternativa es utilizar transposiciones y radiodifusión, como en

(data.T - vector).T

y

(data.T / vector).T

Para matrices de mayor dimensión, es posible que desee utilizar el swapaxesmétodo de matrices NumPy o la rollaxisfunción NumPy . Realmente hay muchas formas de hacer esto.

Para obtener una explicación más completa de la transmisión, consulte http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html

La solución de JoshAdel usa np.newaxis para agregar una dimensión. Una alternativa es usar reshape () para alinear las dimensiones en preparación para la transmisión .

data = np.array([[1,1,1],[2,2,2],[3,3,3]])
vector = np.array([1,2,3])

data
# array([[1, 1, 1],
#        [2, 2, 2],
#        [3, 3, 3]])
vector
# array([1, 2, 3])

data.shape
# (3, 3)
vector.shape
# (3,)

data / vector.reshape((3,1))
# array([[1, 1, 1],
#        [1, 1, 1],
#        [1, 1, 1]])

La realización de reshape () permite que las dimensiones se alineen para la transmisión:

data:            3 x 3
vector:              3
vector reshaped: 3 x 1

Tenga en cuenta que data/vectorestá bien, pero no le da la respuesta que desea. Divide cada columna de array(en lugar de cada fila ) por cada elemento correspondiente de vector. Es lo que obtendría si cambiara la forma explícitamente vectorpara ser en 1x3lugar de 3x1.

data / vector
# array([[1, 0, 0],
#        [2, 1, 0],
#        [3, 1, 1]])
data / vector.reshape((1,3))
# array([[1, 0, 0],
#        [2, 1, 0],
#        [3, 1, 1]])

La forma pitónica de hacer esto es ...

np.divide(data.T,vector).T

Esto se encarga de la remodelación y también los resultados están en formato de punto flotante. En otras respuestas, los resultados están en formato de entero redondeado.

#NOTA: El número de columnas en los datos y el vector debe coincidir

Agregando a la respuesta de stackoverflowuser2010, en el caso general solo puede usar

data = np.array([[1,1,1],[2,2,2],[3,3,3]])

vector = np.array([1,2,3])

data / vector.reshape(-1,1)

Esto convertirá su vector en un column matrix/vector. Permitiéndole realizar las operaciones de elemento como desee. Al menos para mí, esta es la forma más intuitiva de hacerlo y dado que (en la mayoría de los casos) numpy solo usará una vista de la misma memoria interna para la remodelación, también es eficiente.