numpy广播机制

numpy广播机制

Broadcast

广播(Broadcast)是numpy对不同形状(shape)的数组进行数值计算的方式,对数组的算术运算通常在相应的元素上进行。如果两个数组a和 b形状相同,即满足 a.shape == b.shape,那么a*b的结果就是a与b数组对应位相乘。这要求维数相同,且各维度的长度相同。

import numpy as np
a = np.array([1.0,2.0,3.0])
b = np.array([2.0,2.0,2.0])
print(a*b)
#[2. 4. 6.]
import numpy as np
a = np.array([1.0,2.0,3.0])
b = 2.0
print(a*b)
#[2. 4. 6.]

在这里插入图片描述

In order to broadcast, the size of the trailing axes for both arrays in anoperation must either be the same size or one of them must be one.

两个数组维度不相同进行计算时会进行广播机制,将两个数组维度列出向右对齐,从最后开始匹配,只有相等或者其中一个为1的情况下才会进行广播机制

import numpy as np

a = np.array([[0.0, 0.0, 0.0],
           [10.0, 10.0, 10.0],
           [20.0, 20.0, 20.0],
           [30.0, 30.0, 30.0],
           ])
b = np.array([0.0, 1.0, 2.0])
print(a.shape)#(4, 3)
print(b.shape)#(3,)
print(a+b)
#[[ 0.  1.  2.]
# [10. 11. 12.]
# [20. 21. 22.]
# [30. 31. 32.]]

在这里插入图片描述

在这里插入图片描述

#可以进行广播机制
Image (3d array):  256 x 256 x 3
Scale (1d array):              3
Result (3d array): 256 x 256 x 3

A      (4d array):  9 x 1 x 7 x 1
B      (3d array):      8 x 1 x 5
Result (4d array):  9 x 8 x 7 x 5

A      (2d array):  5 x 4
B      (1d array):      1
Result (2d array):  5 x 4

A      (3d array):  15 x 3 x 5
B      (3d array):  15 x 1 x 1
Result (3d array):  15 x 3 x 5
    
#不能进行广播机制
A  (1d array): 10
B  (1d array): 12
A  (2d array):      2 x 1
B  (3d array):  8 x 4 x 3
#Broadcast提供了一种更便捷的计算方式:
import numpy as np

a = np.array([0.0, 10.0, 20.0,30.0])
b = np.array([0.0, 1.0, 2.0])

print(a[:,np.newaxis]+b)
              
#[[ 0.  1.  2.]
 #[10. 11. 12.]
 #[20. 21. 22.]
 #[30. 31. 32.]]

在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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