Numpy中数组的广播机制总结

Numpy中的对于数组间的算术运算采用“元素一 一对应”的计算机制,因而一般要求两个数组的形状相同才能进行数组间的算术运算,但是在某些情况中，Numpy中允许符合一定规则的不同形状的数组进行算术运算。广播的核心规则如下:

• 两数组的后缘维度轴长度相同(满足低维数组和高维数组的某一内层元素形状相同，低维数组才能被拓展成和高维数组一样的形状)
• 两数组的后缘维度中有任意个长度是1或缺失
• 输出数组的形状是输入数组形状的各个维度上的最大值

上面的规则可能看起来比较难懂，简单来说就是低维数组要想被拓展成和高维数组一样的形状，从后往前比较时两数组时，低维数组的所有维度要么等于高维数组的对应维度，要么该维度大小值为1或缺失,数组广播将会在维度为1或缺失的维度方向上进行。举例说明如下:

下面是一些广播的例子:

举例1：

In:

a = np.array([1,2,3,4])
b = 3
print(a*b)

Out:

[ 3  6  9 12]

标量和数组的乘积运算即是数组广播的最简单的一个例子,上诉过程中标量b被“虚拟”地扩展为数组[3,3,3,3]然后才和数组a[1,2,3,4]进行乘法运算，以满足Numpy中两数组间“元素一 一对应”的运算规则。

举例2:

In: