python中numpy的广播机制

 

 简单来说:如果用(m,n)的矩阵和(1,n)的矩阵做算术运算,那么会将(1,n)的矩阵复制m行;如果用(m,n)的矩阵和(m,1)的矩阵做算术运算,那么会将(m,1)的矩阵复制n列。如果(m,n)与一个实数做算术运算,那么这个实数就会被复制成(m,n)的矩阵。

code演示

假设现在有各种食物每千克对应的卡路里、蛋白质、脂肪的数量,需要求出对于每种食物来说,卡路里、蛋白质以及脂肪各占比情况。

import numpy as np

""" 数据情况 """
data = np.array([[56.0,0.0,4.4,68.0],[1.2,104.0,52.0,8.0],
                 [1.8,135.0,99.0,0.9]])

print('data:',data,end='\n')
""" 按列求和 """
sumcol = np.sum(data,axis=0)
print('sumcol:',sumcol,end='\n')

""" 广播求百分比 """
percent = 100*data/sumcol
print('percent:',percent,end='\n')

data: [[ 56.    0.    4.4  68. ]
 [  1.2 104.   52.    8. ]
 [  1.8 135.   99.    0.9]]
sumcol: [ 59.  239.  155.4  76.9]
percent: [[94.91525424  0.          2.83140283 88.42652796]
 [ 2.03389831 43.51464435 33.46203346 10.40312094]
 [ 3.05084746 56.48535565 63.70656371  1.17035111]]

Process finished with exit code 0

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NumPy广播机制是一种用于在不同形状的数组之间进行元素级操作的机制。它允许具有不同形状的数组进行算术运算,而无需显式地扩展数组的形状。广播机制通过在缺失或大小为1的维度上扩展数组来实现这一点,以使其具有兼容的形状。 广播机制遵循以下规则: 1. 如果两个数组的维度数量不同,则在维度较小的数组前面补1,直到两个数组的维度数量相同。 2. 如果两个数组在某个维度上的大小不同,并且其一个数组在该维度上的大小为1,则可以沿着该维度进行广播。 3. 如果两个数组在某个维度上的大小不相等,并且两个数组在该维度上的大小都不为1,则无法进行广播,会引发错误。 以下是一个示例,展示了广播机制的应用: ```python import numpy as np a = np.array([[0, 0, 0], [10, 10, 10], [20, 20, 20], [30, 30, 30]]) b = np.array([1, 2, 3]) print(a * b) ``` 在这个例子,数组`a`的形状是(4, 3),数组`b`的形状是(3,),但是它们可以进行乘法运算,因为在第二个维度上,数组`b`的大小为1,可以通过广播机制自动扩展为(4, 3)的形状,以与数组`a`相匹配。 输出结果为: ``` array([[ 0, 0, 0], [10, 20, 30], [20, 40, 60], [30, 60, 90]]) ``` 这是通过将数组`b`扩展为与数组`a`相同的形状,然后进行元素级乘法运算得到的结果。请注意,广播机制在进行运算时,并不实际复制数组的值,而是利用广播的原理进行计算,从而提高了效率。 总之,NumPy广播机制是一种非常强大的工具,可以方便地执行在不同形状的数组上进行元素级操作的任务。

“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