numpy中的broadcast，以maximum和加法为例

qq_32689925

于 2020-03-31 09:13:59 发布

阅读量280

点赞数

文章标签： numpy 机器学习

本文链接：https://blog.youkuaiyun.com/qq_32689925/article/details/105214632

版权

本文通过实例介绍了numpy中广播（broadcasting）的概念，以加法和maximum运算为切入点，展示了当两个操作数维度不匹配时，numpy如何自动扩展较小维度的数组以适应较大维度的数组，最终完成计算。例如，将一个一维数组与二维数组相加或求最大值，结果分别得到一个二维和三维的数组，体现了numpy广播的灵活性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用numpy对array进行maximum或加法操作，当两个参数的维度不同时，首先以加法为例。

>>>a = np.arange(5).reshape(-1,1)
>>>a                                                           # a shape is (3,1)
array([[0],
       [1],
       [2],
       [3],
       [4]])
>>>b = np.array([10,20,30])
b                                                          # b shape is (3,)
>>>array([10, 20, 30])
>>>a+b
array([[10, 20, 30],
       [11, 21, 31],
       [12, 22, 32],
       [13, 23, 33],
       [14, 24, 34]])                           # a+b shape is (3,3) 用低维度的array与高维度中维度不同的axis依次相加

同理，以maximum为例，维度再加一级

>>>a = np.arange(6).reshape(-1,1,2)
>>>a
array([[[0, 1]],
       [[2, 3]],
       [[4, 5]]])                           # a shape is (3,1,2)

>>>b = np.array([[1.1,2.1],[2.2,3.2]]) # b shape is (2,2)

>>>np.maximum(a,b)
>>>array([[[1.1, 2.1],              原理与加法一致，首先a的维度高于b，其次两者中axis=1的维度不同，因此在该axis中依次作比较
        [2.2, 3.2]],
       [[2. , 3. ],
        [2.2, 3.2]],
       [[4. , 5. ],
        [4. , 5. ]]])
>>>(a+b).shape
(3, 2, 2)