Numpy广播机制如何简化理解？

本文共计496个文字，预计阅读时间需要2分钟。

Numpy广播的三大情况：广播（Broadcasting）是Numpy中用于不同形状数组之间运算的特殊机制。以下是三种常见的广播情况：

1. 形状相同的数组可以直接进行运算。

2.一维数组与一维数组、一维数组与二维数组的运算，Numpy会自动扩展数组以匹配对方形状。

3.当运算中的数组形状不一时，Numpy会自动扩展形状较小的数组，以适应较大数组的形状。

Numpy的广播的三种情况

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制；即：可扩充较小数组中的元素来适配较大数组的形状，这种机制叫作广播（broadcasting） 广播机制如下，一共三种情况：由于日常应用中最常见的只有一维数组与二维数组，所以就不举三维及以上数组的例子了；这样更容易理解；

1. 有一个数组是一个数字，即可广播；

有一个数组是一个数字，则可以将该数字广播，如下图： 举例如下：

a = np.arange(3) b = 5 print(a+b) # 输出为：[5 6 7]

2. 维度的尾部一致，即可广播；

维度的尾部一致，即可广播；如下图，尾部维度均为3； 举例如下：尾部维度均为4；

a = np.arange(12).reshape(3,4) b= np.arange(4) print(a) # [[ 0 1 2 3] # [ 4 5 6 7] # [ 8 9 10 11]] print(b) # [0 1 2 3] print(a+b) # [[ 0 2 4 6] # [ 4 6 8 10] # [ 8 10 12 14]]

3. 两个数组均为一维数组，一个为行方向，一个为列方向，即可广播；

举例如下：

a = np.arange(3).reshape(3,1) b= np.arange(3) print(a) # [[0] # [1] # [2]] print(b) # [0 1 2] print(a+b) # [[0 1 2] # [1 2 3] # [2 3 4]]