Est-il un équivalent de la fonction MATLAB bsxfun en python?

Je suis en train de le port certains de mon code à partir de matlab, python, et qu'il utilise le bsxfun() la fonction de quasi-réplication suivie par la multiplication ou la division (je l'utilise aussi pour des opérations logiques). J'aimerais être capable de faire cela sans réellement la réplication du vecteur (soit avec une fonction ou avec une sorte de matrice diagonale) avant de multiplication ou de la division d'enregistrer sur la mémoire et du temps.

Si il y a un équivalent de bsxfun dans une bibliothèque C d'une certaine sorte, qui serait également fonctionner.

InformationsquelleAutor Kevin | 2012-01-20
  1. 4

    Il n'y a pas vraiment d'équivalent de bsxfun, que je suis au courant, bien que numpy ne prendre soin de beaucoup de radiodiffusion pour vous, comme d'autres l'ont mentionné.

    Ce qui est communément présenté comme un avantage de numpy plus de matlab, et il est vrai que beaucoup de radiodiffusion est plus simple dans numpy, mais bsxfun est en fait plus général, car il peut prendre des fonctions définies par l'utilisateur.

    Numpy a ceci:
    http://docs.scipy.org/doc/numpy/reference/generated/numpy.apply_along_axis.html
    mais seulement pour les 1d.

    InformationsquelleAutor capybaralet
  2. 2

    Python est très facile à utiliser par rapport à matlab
    bsxfun(x) en python numpy peut être facilement fait par ... au tableau[], m[...,:]
    Vous pouvez essayer ceci:

    >>>m = np.zeros([5,13], dtype=np.float32)
>>>print(m)
[[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]
[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]
[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]
[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]
[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]]
>>>c=np.array([[1,2,3,4,5,6,7,8,9,10,11,12,13]])
>>>print(m[...,:] +4*c)
[[  4.   8.  12.  16.  20.  24.  28.  32.  36.  40.  44.  48.  52.]
[  4.   8.  12.  16.  20.  24.  28.  32.  36.  40.  44.  48.  52.]
[  4.   8.  12.  16.  20.  24.  28.  32.  36.  40.  44.  48.  52.]
[  4.   8.  12.  16.  20.  24.  28.  32.  36.  40.  44.  48.  52.]
[  4.   8.  12.  16.  20.  24.  28.  32.  36.  40.  44.  48.  52.]]
    InformationsquelleAutor CCT