numpy中的broadcasting

Broadcasting 官方文档
参考文档
广播机制应用：

1. numpy.array与scalar
   将scalar扩充成array的形状后，进行操作
   
   
2. 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

3. 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
   
   
4. 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]]]