numpy数组ndarray中的广播broadcasting机制

broadcasting广播通常作为一个操作符，用于‘smaller’和‘larger’数组（array）间操作。当然，不光是这种情况，因为也可以用于相同大小的数组间，但是具有不同的形状（shape）。

只有当数组的形状相同或者可兼容的（compatible），数组间逐个元素（element-wise）的操作才是有效的。相同shape容易理解。那什么是可兼容呢？

为了定义两个形状是否是可兼容的，Numpy从最后开始往前逐个比较它们的维度（dimensions）大小。比较过程中，如果两者的对应维度相同，或者其中之一（或者全是）等于1，比较继续进行直到最前面的维度。否则，你将看到 ValueError错误出现（如，"operands could not be broadcast together with shapes ..."）。

当其中之一的形状的维度超出范围（例如，a1 的shape=（2,3,4）而a2的shape=（3,4），当a1的2超出a2范围），此时Numpy将会使用1进行比较（如将a2.shape替换为(1,3,4)）直到另一个也超出dim范围。

一旦Numpy确定两者的形状是可兼容的，最终结果的形状就成了每个维度上取两者之间最大的形状尺寸。

下面是上面描述的伪代码：

Inputs: array A with m dimensions; array B with n dimensions
p = max(m, n)
if m < p:
    left-pad A's shape with 1s until it also has p dimensions
else if n < p:
    left-pad B's shape with 1s until is also has p dimensions
result_dims = new list with p elements
for i in p-1 ... 0:
    A_dim_i = A.shape[i]
    B_dim_i = B.shape[i]
    if A_dim_i != 1 and B_dim_i != 1 and A_dim_i != B_dim_i:
        raise ValueError("could not broadcast")
    else:
        result_dims[i] = max(A_dim_i, B_dim_i)

下面是一些例子

Example

--------------------------------------------------------------------------------------

(4, 3) (4, 3)

== padding ==> == result ==> (4, 3)

(3,) (1, 3)

--------------------------------------------------------------------------------------

(3,) (1, 1, 3)

== padding ==> == result ==> (5, 4, 3)

(5, 4, 3) (5, 4, 3)

--------------------------------------------------------------------------------------

(5,) (1, 1, 5)

== padding ==> ==> error (5 != 3)

(5, 4, 3) (5, 4, 3)

--------------------------------------------------------------------------------------

(5, 4, 3) (1, 5, 4, 3)

== padding ==> == result ==> (6, 5, 4, 3)

(6, 5, 4, 3) (6, 5, 4, 3)

--------------------------------------------------------------------------------------

(5, 4, 1)

== no padding needed ==> result ==> (5, 4, 3)

(5, 1, 3)

--------------------------------------------------------------------------------------

最后再举个例子

a = np.arange(5).reshape(5,1)

# a.shape == (5, 1)

b = np.arange(5)

# b.shape == (5,)

c = a + b

# b.shape 会被先扩展为(1, 5)

# 然后最终的shape将取二者中的最大值

c.shape == (5, 5)

c

array([[0, 1, 2, 3, 4],
       [1, 2, 3, 4, 5],
       [2, 3, 4, 5, 6],
       [3, 4, 5, 6, 7],
       [4, 5, 6, 7, 8]])

--------------------------------------------------------------------------------------