广播（broadcast） --numpy

1. 进行广播适用的情况：

broadcast 是numpy对不同形状(shape)的数组进行数值计算的方式，当不同形状(shape)的数组进行计算，就会自动出发广播机制

通常进行算术计算的数组形状需要完全相同，即：
a.shape=b.shape,此时计算结果是a与b数组对应位置数字计算；
但是在满足一定条件的情况下a.shape=b.shape的条件可以适当放松：

##  1. 1  一个数组与一个标量（单个数字）
```powershell
1) : 一个数组与一个标量：
    运算过程中可以认为标量被拉伸到与数组形状(shape)相同
    注意：
    (1) 拉伸的比喻是概念性的，实际数据并未发生复制，因此与真正的数组相比
        内存占用更少，计算更高效

import numpy as np

a = np.arange(6).reshape(3, 2)
b1 = np.array([[2, 2],
               [2, 2],
               [2, 2]])

b2 = 2

print('a+b1: ', a+b1, sep='\n')
print('a+b2: ', a+b2, sep='\n')

虽然数组b1与标量b2与数组a相加的计算结果相同，且在理解上可以认为标量b2被拉伸成数组b1的形状，但是使用数组b2占用内存更少，计算更高效。

1.2 其中一个数组为包含单个值的一维数组

a = np.arange(12).reshape(3, 1, 4)
b2 = np.array([3])
print(a)
print('a+b2: ', a+b2, sep='\n')

1.3 数组中对应轴的长度相同

a = np.arange(12).reshape(3, 1, 4)
b2 = np.ones((1,4))
print('a:', a, sep='\n')
print('a+b2: ', a+b2, sep='\n')

a = np.arange(12).reshape(3, 1, 4)
b2 = np.ones((4))
print('a:', a, sep='\n')
print('a+b2: ', a+b2, sep='\n')

1.4 对应轴的长度不同，但其中一个长度为1

a = np.arange(6).reshape(2, 3, 1)
b2 = np.ones((1, 4))
print('a:', a, sep='\n')
print('a+b2: ', a+b2, sep='\n')

2. 总结：

看两个数组之间进行运算时能否广播，需要从aixs的最大值向最小值方向查看，将两个数组形状右对齐，依次比较，若对应位置的两个数组形状值相同，则可以广播；若数值不同，则其中一个数组形状值为1，可以广播；否则无法广播。

2.1 可以广播的情形举例

2.2 不能广播的情形举例