NumPy - 广播

术语broadcasting是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状，则这些操作被无缝执行。 如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。 较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。 如果满足以下规则，可以进行广播：

  • ndim较小的数组会在前面追加一个长度为 1 的维度。
  • 输出数组的每个维度的大小是输入数组该维度大小的最大值。
  • 如果输入在每个维度中的大小与输出大小匹配，或其值正好为 1，则在计算中可它。
  • 如果输入的某个维度大小为 1，则该维度中的第一个数据元素将用于该维度的所有计算。

如果上述规则产生有效结果，并且满足以下条件之一，那么数组被称为可广播的。

  • 数组拥有相同形状。
  • 数组拥有相同的维数，每个维度拥有相同长度，或者长度为 1。
  • 数组拥有极少的维度，可以在其前面追加长度为 1 的维度，使上述条件成立。

[caption id=“” align=“alignnone” width=“446”]广播来与数组a兼容 广播来与数组a兼容[/caption]

代码举例

import numpy as np

a1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
a2 = np.array([10, 20, 30, 40])
a3 = np.array([[1, 2], [3, 4]])
a4 = np.array([[10, 20], [30, 40]])
print(a1 * 6)
print(a1 * a2) # 对应元素相城
print(np.dot(a3, a4)) # 矩阵乘

代码 Github地址:https://github.com/shadowagnoy/python_learn/

参考文档：https://docs.scipy.org/doc/numpy/reference/routines.html

参考文档：https://www.tutorialspoint.com/numpy/index.htm