NumPy基础-广播

“广播”一词描述NumPy如何在算术运算期间处理具有不同形状的数组。受一定限制，较小的数组在较大的数组之间传播，以便它们具有兼容的形状。广播提供了一种向量化数组操作的方法，这种循环会在C中而不是Python中发生。这样做不会产生不必要的数据副本，而且通常会带来高效的算法实现。然而，在某些情况下，广播并不是一个好主意，因为它会导致低效的内存使用，从而减慢计算速度。
NumPy操作通常在逐个元素的数组对上进行。在最简单的情况下，两个数组必须具有完全相同的形状，如下所示：

当阵列的形状满足某些约束时，NumPy的广播规则会放宽此约束。在操作中将数组和标量值组合在一起时，会出现最简单的广播形式，示例：

结果等同于前面的示例，其中b是一个数组，我们可以认为标量在算术运算中b被拉伸成与形状相同的数组a。b中的新元素只是原始标量的副本，延伸类推只是概念上的。NumPy足够聪明，可以使用原始标量值而无需实际操作副本，从而使广播操作尽可能地节省内存并提高计算效率。
第二个示例中的代码比第一个中的代码更有效，因为广播在乘法过程中移动的内存更少（b是标量而不是数组）。

一般广播规则

当对两个数组进行操作时，NumPy逐元素比较其形状。它从尾部（即最右边）的维度开始，一直向左移动。两种维度在两种情况兼容：它们是平等的或者其中之一是1。
如果不满足这些条件，则会引发ValueError: operands could not be broadcast together异常，表明数组的形状不兼容。所得数组的大小是沿着输入的每个轴的大小，而不是1。
数组不需要有相同数量的尺寸。例如，如果你有一个256×256×3RGB值数组，并且想用不同的值缩放图像中的每种颜色，则可以将图像乘以一个带有3个值一维数组。根据广播规则来排列这些数组的尾轴大小，表明它们是兼容的：

当被比较的维度中有一个是其中一个时，将使用另一个。换句话说，尺寸为1的维度被拉伸或“复制”以匹配其他维度。
在下面示例中，A和B数组都具有长度为1的轴，这些轴在广播操作期间会扩展为更大的大小。

更多示例：

无法广播的形状示例：

实践中的广播示例：

广播提供了一种获取两个数组的外部乘积（或任何其它外部操作）的便捷方法。下面的示例显示了两个1-d数组的外部加法运算：

在这里，newaxis索引运算符将新轴插入a中，使其成为二维4×1数组与形状为（3，）的b组合，会生成一个4×3数组。

如果你想学习Python，但是找不到学习路径和资源，欢迎上指尖编程。