numpy中广播(broadcast)的一个小坑

鉴于numpy中矩阵的运算居多，所以以下内容中参与运算的数据元素都默认为矩阵，且以矩阵的逐元素相乘这个操作为例子进行说明。

numpy中的广播(broadcast)说白了就是干一件事——扩展矩阵，而且扩展对象都是纬度比较小的矩阵，将维度较小的矩阵扩展到和维度较大的矩阵二者具有相同的维度，我们以逐元素相乘这个操作举个例子：

a = np.random.randn(3, 3)
b = np.random.randn(3, 1) # b = np.random.randn(1, 3)结果也是(3,3)
c = a * b #（3，3）,数值为a、b矩阵对应位置元素相乘

上图中的矩阵a的维度比矩阵b的维度要高，为了能够进行逐元素相乘的操作，需要对b进行维度扩展，扩展的目标就是将b在形状上变得和a一模一样，也就是从(3, 1)变成(3, 3)，扩展的方式就是将b原有的一列复制两遍，加上原来的一列就变成了三列，这样b就从原来的（3，1）变成了（3，3）。如果b是（1，3），扩展方式就是将b唯一的一行复制两遍变成三行，进而变成（3，3）。
归根结底，广播就是复制行或者列，但是这里有一个小坑，就是在没有扩展之前，a、b两个矩阵的行数或者列数必须有一个相同，否则无法扩展。
也就是说a、b要么行数相同，要么列数相同才能进行扩展，否则无法扩展。

例如下面这段代码中a * b会报错，因为逐元素相乘需要两个矩阵维度相同，但是实际不相同，这时候就需要广播，但是两个矩阵行数、列数均不相同，无论怎么扩展都不能将其变成相同的维度。

a = np.random.randn(2, 3)
b = np.random.randn(3, 2)
c = a * b #报错，因为运算符 “*”指明了这是逐元素相乘，前提是两个矩阵维度相同

再次重申：以上的操作都有一个前提——需要执行广播操作，但是其他的不需要执行广播的操作，就不用考虑这个，例如矩阵的乘法，只要第一个矩阵的列数和第二个矩阵的行数相同即可，不需要执行广播操作，例如下面代码

a = np.random.randn(2, 3)
b = np.random.randn(3, 2)
c = np.dot(a, b) #这个操作才是矩阵相乘
print(np.shape(c)) #（2, 2）

总结成一句话：numpy在进行广播时，要求两个矩阵的行数或者列数必须有一个是相同的，否则无法进行广播。