Numpy 修炼之道 （9）—— 广播机制

 

什么是广播

我们都知道，Numpy中的基本运算（加、减、乘、除、求余等等）都是元素级别的，但是这仅仅局限于两个数组的形状相同的情况下。

可是大家又会发现，如果让一个数组加1的话，结果时整个数组的结果都会加1，这是什么情况呢？

>>> x = np.arange(3)
>>> x
array([0, 1, 2])
>>> x + 1
array([1, 2, 3])

其实这就是广播机制：Numpy 可以转换这些形状不同的数组，使它们都具有相同的大小，然后再对它们进行运算。给出广播示意图：

                   numpy 广播示意图
          小提示：图片不清的话可点击 阅读原文
广播示例
接下来我们通过实际代码验证下：
>>> a = np.arange(0, 40, 10)
>>> a.shape
(4L,)
>>> a
array([ 0, 10, 20, 30])
>>> b = np.array([0, 1, 2])
>>> b.shape
(3L,)
>>> b
array([0, 1, 2])
>>> a = a[:, np.newaxis] # 转换a的维度（形状）
>>> a.shape
(4L, 1L)
>>> a
array([[ 0],[10], [20], [30]])
>>> a + b
array([[ 0,  1,  2],
      [10, 11, 12],
      [20, 21, 22],
      [30, 31, 32]])
明显可以看出，相加前 a 的形状为 (4, 1), b 的形状为 (3, )， a+b 的结果的形状为（4, 3）。计算时，变换结果与上图类似，这里来详细介绍下：
>>> a
array([[ 0], [10],[20], [30]])
>>> a2 = np.array(([ i * 3 for i in a.tolist()])) # 会先将a转为a2
>>> a2
array([[ 0,  0,  0],
      [10, 10, 10],
      [20, 20, 20],
      [30, 30, 30]])
>>> b
array([0, 1, 2])
>>> b2 = np.array([b.tolist()] * 4) # 再将b转为b2
>>> b2
array([[0, 1, 2],
      [0, 1, 2],
      [0, 1, 2],
      [0, 1, 2]])
>>> a2 + b2 # a2 + b2的结果就是 a + b 的结果
array([[ 0,  1,  2],
      [10, 11, 12],
      [20, 21, 22],
      [30, 31, 32]])

脑洞科技栈专注于人工智能与量化投资领域
了解更多干货文章，关注小程序八斗问答