Суммировать матрицу вдоль оси, заданную весовым вектором, используя numpy

Question

numpy Предоставляет встроенный способ суммирования матрицы вдоль оси, заданной соответствующим весовым вектором? Моя цель состоит в том, чтобы получить z в качестве вывода:

q = np.array([[1, 2, 3], [10, 20, 30]]) 
w = [.3, .4] 
z = (q[0] * w[0]) + (q[1] * w[1]) 

print z 
>> [ 4.3 8.6 12.9] 

Если нет, то есть эффективный способ выполнения этой операции, используя преимущество вещания с использованием numpy?

Answer 1

Если включить w в Numpy массив с формой (2, 1), то вы можете broadcast умножение над рядами q. Один из способов сделать перепрофилирование будет индексировать w с np.newaxis (или, что эквивалентно, с None):

q = np.array([[1, 2, 3], [10, 20, 30]]) 
w = np.array([.3, .4]) 
print(w[:, None] * q).sum(0) 
# [ 4.3 8.6 12.9] 

Быстрее и чище способ будет выполнять matrix-vector multiplication с помощью np.dot:

print(w.dot(q)) 
# [ 4.3 8.6 12.9] 

Answer 2

Это, кажется, сделать трюк:

>>> np.sum(q * w[:, np.newaxis], axis=0) 
array([ 4.3, 8.6, 12.9]) 

Хитрость заключается в том, чтобы понять, что для того, чтобы умножить q на w, нам нужно вставить новую ось в w. Затем Numpy может расширяться вдоль этой оси, чтобы соответствовать форме q с помощью обычных правил вещания. Как только умножение было сделано, вам просто нужно суммировать правильную ось, а Боб - ваш дядя.