np.newaxis с Numba nopython

Question

Есть ли способ использовать np.newaxis с Нумбой nopython? Для того, чтобы применить функцию вещания без отступления на питоне?

например

@jit(nopython=True)
def toto():
    a = np.random.randn(20, 10)
    b = np.random.randn(20) 
    c = np.random.randn(10)
    d = a - b[:, np.newaxis] * c[np.newaxis, :]
    return d

Спасибо

Answer 1

В моей кассе (numba: 0,35, numpy: 1.14.0) expand_dims отлично работает:

import numpy as np
from numba import jit

@jit(nopython=True)
def toto():
    a = np.random.randn(20, 10)
    b = np.random.randn(20) 
    c = np.random.randn(10)
    d = a - np.expand_dims(b, -1) * np.expand_dims(c, 0)
    return d

Конечно, мы можем опустить второй expand_dims используя трансляцию.

Answer 2

Вы можете сделать это с помощью Reshape, похоже, [:, None] индексирование в настоящее время не поддерживается. Обратите внимание, что это, вероятно, не будет намного быстрее, чем это делает Python, так как он уже был векторизован.

@jit(nopython=True)
def toto():
    a = np.random.randn(20, 10)
    b = np.random.randn(20) 
    c = np.random.randn(10)
    d = a - b.reshape((-1, 1)) * c.reshape((1,-1))
    return d

Answer 3

Это можно сделать с помощью новейшей версии Numba (0.27) и numpy. stride_tricks, Вы должны быть осторожны с этим, и это немного уродливо. Прочитайте документацию для as_strided чтобы убедиться, что вы понимаете, что происходит, поскольку это не "безопасно", так как не проверяет форму или шаги.

import numpy as np
import numba as nb

a = np.random.randn(20, 10)
b = np.random.randn(20) 
c = np.random.randn(10)

def toto(a, b, c):

    d = a - b[:, np.newaxis] * c[np.newaxis, :]
    return d

@nb.jit(nopython=True)
def toto2(a, b, c):
    _b = np.lib.stride_tricks.as_strided(b, shape=(b.shape[0], 1), strides=(b.strides[0], 0))
    _c = np.lib.stride_tricks.as_strided(c, shape=(1, c.shape[0]), strides=(0, c.strides[0]))
    d = a - _b * _c

    return d

x = toto(a,b,c)
y = toto2(a,b,c)
print np.allclose(x, y) # True