Numpy的广播机制理解,两个数组什么条件下可以进行广播操作详解

想要理解Numpy的广播(boardcast)机制最好的参考文档肯定是numpy自己写的,这里放上链接:添加链接描述

以下是Numpy官方文档对广播的解释在这里插入图片描述
在这里插入图片描述
我对Numpy中广播机制的理解是:
Numpy在对两个数组进行操作时,它会从两个数组shape的最右侧开始比较,例如:
在这里插入图片描述

即A.shape中的每个元素与B.shape中的每个元素从最右侧开始比较,满足以下条件之一则可以触发广播机制:
1) A.shape 与B.shape中的对应元素值相等
2) A.shape 与B.shape中的对应元素值其中有一个为1
例如:
满足条件一的:

import numpy as np
x = np.arange(12)
xx = x.reshape(2,2,-1)
print(xx)
print(xx.shape)

#结果:
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
(2, 2, 3)

y = np.arange(3)
print(y)
print(y.shape)
#结果:
[0 1 2]
(3,)
# 此时对应最后一位元素值相等,可以进行广播
z = y+xx
print(z)
# 结果:
array([[ 0,  2,  4],
       [ 3,  5,  7],
       [ 6,  8, 10],
       [ 9, 11, 13]])

满足条件二的:

#接上面的例子
yy = y.reshape(1,3)
print(yy.shape)
# 结果:
(1, 3)
# 与xx.shape (2, 2, 3)相比,最后一位相同,前一位一个为1,一个为2,满足条件二,也可以进行广播
zz = yy+xx
print(zz)
#结果:
array([[[ 0,  2,  4],
        [ 3,  5,  7]],

       [[ 6,  8, 10],
        [ 9, 11, 13]]])

在举一些例子:

a = np.arange(120)
aa = a.reshape(2,3,4,-1)
print(aa)
array([[[[  0,   1,   2,   3,   4],
         [  5,   6,   7,   8,   9],
         [ 10,  11,  12,  13,  14],
         [ 15,  16,  17,  18,  19]],

        [[ 20,  21,  22,  23,  24],
         [ 25,  26,  27,  28,  29],
         [ 30,  31,  32,  33,  34],
         [ 35,  36,  37,  38,  39]],

        [[ 40,  41,  42,  43,  44],
         [ 45,  46,  47,  48,  49],
         [ 50,  51,  52,  53,  54],
         [ 55,  56,  57,  58,  59]]],


       [[[ 60,  61,  62,  63,  64],
         [ 65,  66,  67,  68,  69],
         [ 70,  71,  72,  73,  74],
         [ 75,  76,  77,  78,  79]],

        [[ 80,  81,  82,  83,  84],
         [ 85,  86,  87,  88,  89],
         [ 90,  91,  92,  93,  94],
         [ 95,  96,  97,  98,  99]],

        [[100, 101, 102, 103, 104],
         [105, 106, 107, 108, 109],
         [110, 111, 112, 113, 114],
         [115, 116, 117, 118, 119]]]])
print(aa.shape)
(2, 3, 4, 5)
b = np.arange(15)
bb = b.reshape(3,1,5)
print(bb.shape)
(3, 1, 5)
# 满足广播条件
c = aa+bb
print(c)
array([[[[  0,   2,   4,   6,   8],
         [  5,   7,   9,  11,  13],
         [ 10,  12,  14,  16,  18],
         [ 15,  17,  19,  21,  23]],

        [[ 25,  27,  29,  31,  33],
         [ 30,  32,  34,  36,  38],
         [ 35,  37,  39,  41,  43],
         [ 40,  42,  44,  46,  48]],

        [[ 50,  52,  54,  56,  58],
         [ 55,  57,  59,  61,  63],
         [ 60,  62,  64,  66,  68],
         [ 65,  67,  69,  71,  73]]],


       [[[ 60,  62,  64,  66,  68],
         [ 65,  67,  69,  71,  73],
         [ 70,  72,  74,  76,  78],
         [ 75,  77,  79,  81,  83]],

        [[ 85,  87,  89,  91,  93],
         [ 90,  92,  94,  96,  98],
         [ 95,  97,  99, 101, 103],
         [100, 102, 104, 106, 108]],

        [[110, 112, 114, 116, 118],
         [115, 117, 119, 121, 123],
         [120, 122, 124, 126, 128],
         [125, 127, 129, 131, 133]]]])

举一个不满足广播条件的例子

e = np.arange(120)
ee = e.reshape(2,5,4,-1)
print(ee.shape)
# 结果:
(2, 5, 4, 3)
f = np.arange(3)
ff = f.reshape(3,1,1,1)
print(ff.shape)
# 结果:
(3, 1, 1, 1)
kk = ee+ff

报错:
在这里插入图片描述

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值