numpy中的broadcasting

NumPy广播机制详解

最新推荐文章于 2022-08-10 11:40:35 发布

原创最新推荐文章于 2022-08-10 11:40:35 发布 · 224 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#广播机制 #broadcasting

Numpy 专栏收录该内容

8 篇文章

订阅专栏

本文详细介绍了NumPy中的广播机制，包括标量与数组、不同形状数组之间的运算规则，并通过具体示例展示了如何利用广播机制进行高效计算。

Broadcasting 官方文档
 参考文档
广播机制应用：

numpy.array与scalar
将scalar扩充成array的形状后，进行操作
一般arrays间的广播机制
从最后边的维度开始匹配，当满足下面两个条件的任意一个时，两个数组间是兼容的：

维度相等
有一个的维度为1.
如果上述两个条件都无法满足，则会抛出ValueError: operands could not be broadcast together exception is thrown

下面的例子中，A和B阵列都具有长度为1的轴，该轴在广播操作期间扩展为更大的尺寸
结果是在每个维度上取较大的值
具体例子
二维数组与一维数组相加
(4,3) 与（3，）

import numpy as np
b = np.arange(6).reshape(2,1,3)
print('b','\n',b,'\n',b.shape)
c = np.arange(6,12).reshape(2,3)
d = b+c
print('c','\n',c,'\n',c.shape)
print('d=b+c','\n',d,'\n',d.shape)

b.shape [2,1,3]
c.shape [2,3]
从右边开始，看两个数组是否兼容，倒数第一位都是3，倒数第二位，b为1，扩充为c的2，最后结果d.shape = [2,2,3]
b的扩充过程[2,1,3] ——> [2,2,3]

b 
 [[[0 1 2]]

 [[3 4 5]]]

扩充为

b'
 [[[0 1 2]
 [0 1 2]]

 [[3 4 5]
 [3 4 5]]]

c的扩充过程[2,3] ——> [2,2,3]

[[ 6  7  8]
 [ 9 10 11]]

变为

[[[ 6  7  8]
 [ 9 10 11]] 
 
 [[ 6  7  8]
 [ 9 10 11]] ]

相加后的结果d

 [[[ 6  8 10]
  [ 9 11 13]]

 [[ 9 11 13]
  [12 14 16]]]