我有两个Numpy数组，x和y，其中x是n维的，n>；=1但在"编译时"是未知的，而y是一维的.第一个维度x保证与第一个(也是唯一的)维度y匹配.我想得到他们的"总和"，称之为s，同样的维度为x，如下:
import numpy as np
x = np.random.randn(5,100,10)
y = np.random.randn(5)
s = np.empty_like(x)
for i in range(x.shape[0]):
s[i] = x[i] + y[i]
但为了可读性，更重要的是速度方面的原因，我希望避免使用for循环.
显然，由于Numpy的广播惯例是这样运作的，我不能做到x+y.这可能会抛出错误，或者更糟糕的是，可能会碰巧产生意外的结果.
我找到了两个相对不错的One衬垫，
s1 = (x.T + y).T
s2 = x + y[(slice(0, y.shape[0]),) + (np.newaxis,)*(x.ndim-1)]
还不错.第一个是利用这一事实，即它确实是x中的first维与y中唯一的维相匹配.否则，它是行不通的.第二个比较笼统，但很冗长.
由于我还在学习Python和Numpy，我想知道是否有其他(理想情况下更好，但我也对一般情况感兴趣)可以做我想做的事情.从本质上说，我可能在寻找一种超越广播惯例的方法……