nry011015的博客

NumPy├── ndarray: 多维数组├── 创建: array, zeros, ones, arange, random...├── 属性: shape, ndim, size, dtype├── 索引: 切片, 布尔索引, 花式索引├── 操作: reshape, transpose, concatenate, split├── 运算: + - * / **, 聚合(sum, mean), 广播├── 数学: sqrt, exp, log, sin...

的数组在进行算术运算（如加、减、乘、除）时，能够自动地“对齐”并进行计算，而无需显式地复制数据来使它们的形状完全相同。开始，逐个向前检查两个数组的维度大小。两个数组要能进行广播，它们的每个维度必须满足以下。广播机制极大地简化了代码，避免了不必要的内存消耗，是高效进行向量化操作的核。这节省了大量内存和复制数据的时间，使得向量化操作非常高效。循环，但这效率很低。是 NumPy 中一个非常强大且优雅的机制，它允许。如果维度不满足规则，广播会失败并抛出。中，NumPy 并不会创建一个和。，然后进行逐元素相加。