Numpy广播准则、法则（举例分析）

法则：

• 法则一：

  若多个数组的维度(或叫轴)的数量ndim不同，对ndim少的数组，从后向前使用“1”来扩展，直到所有数组的ndim相同。

• 法则二：

  此时(所有数组的ndim已经相同)判断能否广播，若存在两数组的shape中某一对应位置都不包含1且不相等，则不能广播抛出ValueError；否则可以广播，将“1”改为对应维度大小的最大值，最终所有数组的shape都相同。

举例：

• 例一
  a = np.array([[1, 2, 3], [4, 5, 6]]) a.shape=(2,3)
  b = np.array([4, 5, 6])b.shape=(3, )
  c = np.array(2)c.shape=()
  a * b + c，
  由法则一：b.shape改为(1, 3)，c.shape改为(1, 1)
  由法则二：首先判断得出可以广播，然后将b.shape索引为0元素的改为最大值2(max{a.shape[0], b.shape[0], c.shape[0]})，此时b的元素在逻辑上进行复制，即b.shape为(2, 3)。同样，将c.shape改为(2, 3)。

• 例二
  a = np.array([[1, 2, 3], [4, 5, 6]]) a.shape=(2,3)
  b = np.array([4, 5])b.shape=(2, )
  由法则一：b.shape改为(1, 2)
  由法则二：a.shape[0]和b.shape[0]满足，但a.shape[1]和b.shape[1]不满足，不能广播。