python 三维矩阵乘以二维矩阵_二维numpy数组的乘法/除法生成三维数组

我正在寻找一种快速(即矢量化)的方法来替换下面的循环。我有两个numpy数组,尺寸分别为:(20738,14)和(31,14)。我需要将它们元素相乘得到一个数组(20738,31,14)。我一直在尝试各种各样的广播配置,但似乎无法得到想要的结果。

v_mu_3d = np.zeros((v.shape[0], ALT_LEN, NEST_LEN))

for k in range(NEST_LEN):

v_mu_3d[:,:,k] = v * MU[:,k]

v_mu_3d = np.exp(v_mu_3d)

类似的操作如下:

p2_3d = np.zeros((v.shape[0], ALT_LEN, NEST_LEN))

for j in range(ALT_LEN):

num = v_mu_3d[:,:,:].sum(axis=1)

temp_MU = MU[j,:]

num = ne.evaluate('where(temp_MU >0, num / temp_MU, 0)')

denom = num.sum(axis=1)

denom = denom[:, np.newaxis]

p2_3d[:, j, :] = num / denom

我可以将底部替换为:

p2_3d = v_mu_3d.sum(axis=1) / v_mu_3d.sum(axis=2).sum(axis=1)[:,None]

但似乎不知道:

num / MU

它应该取(20738,14)num数组,并将元素按(31,14)mu数组进行划分。repeat()可能有效,但速度很关键,因为包含函数在最小化例程中运行了几千次。

更新

根据Nils-Werner的回答,这些循环可以简化为:

1)

p1_3d = v_mu_3d / v_mu_3d.sum(axis=1)[:,None,:]

2)

num = v_mu_3d.sum(axis=1)

num = np.where(MU>0, num[:,None,:] / MU, 0)

p2_3d = num / num.sum(axis=1)[:,None,:]