所以我有一個(gè)3D數(shù)據(jù)集（x，y，z），我想用一組權(quán)重對其中一個(gè)軸（x）求和，w = w（x）。我正在求和的開始和結(jié)束索引對于每個(gè)（y，z）都是不同的，我通過屏蔽3D數(shù)組解決了這個(gè)問題。對于我沒有求和的兩個(gè)變量，權(quán)重是恒定的。關(guān)于實(shí)現(xiàn)和數(shù)學(xué)的答案都是值得贊賞的（有沒有一種聰明的方法？我有一個(gè)形狀 （x，y，z） 的 3D 遮罩?jǐn)?shù)組 （A） 和一個(gè)形狀 （x，） 的 1D 數(shù)組 （t）。有沒有一種好方法可以將A中的每個(gè)（y，z）元素與t中的相應(yīng)數(shù)字相乘，而無需將t擴(kuò)展到3D數(shù)組？我目前的解決方案是使用np.tensordot來制作一個(gè)與A形狀相同的3D數(shù)組，該數(shù)組包含所有t值，但是花費(fèi)運(yùn)行時(shí)構(gòu)建“new_t”數(shù)組感覺非常不令人滿意，該數(shù)組實(shí)際上只是t的y * z副本。當(dāng)前解決方案示例：a1 = np.array([[1,2,3,4],               [5,6,7,8],               [9,10,11,12]])a2 = np.array([[0,1,2,3],               [4,5,6,7],               [8,9,10,11]])#note: A is a masked array, mask is a 3D array of boolsA = np.ma.masked_array([a1,a2],mask)t = np.array([10,11])new_t = np.tensordot(t, np.ones(A[0].shape), axes = 0)return np.sum(A*new_t, axis=0)從本質(zhì)上講，我想以盡可能短的運(yùn)行時(shí)間對所有i，j執(zhí)行t*A[：，i，j]，最好不使用太多其他庫，而不是numpy和scipy。產(chǎn)生所需輸出的另一種方法（同樣，運(yùn)行時(shí)間太長）：B = [[t*A[:,i,j] for j in range(A.shape[2])] for i in range(A.shape[1])]return np.sum(B,axis=2)