cimport numpy as np报错_理解Numpy广播，本文真的讲清楚了

对于Numpy的广播，其实很多时候不知不觉的在使用，比如将一维向量或者二维向量直接与单个数字相加，结果会是向量的每个元素都加上了这个数字，这就用到了广播。

广播的概念，其实可以归结为用于不同大小数组的二元通用函数(加、减、乘等)的一组规则。

总结来说，广播的规则有三个：

1. 如果两个数组的维度数dim不相同，那么小维度数组的形状将会在左边补1

2. 如果shape维度不匹配，但是有维度是1，那么可以扩展维度是1的维度匹配另一个数组；

3. 如果shape维度不匹配，但是没有任何一个维度是1，则匹配引发错误；

其中第1个和第2个规则，用于真实的计算中进行的试图匹配，规则3意思是不匹配的情况。

接下来进行几个演示。

import numpy as np

案例1：二维数组加一维数组

准备数组a：

a = np.ones((2,3))aarray([[1., 1., 1.],       [1., 1., 1.]])

准备数组b：

b = np.arange(3)barray([0, 1, 2])

查看shape：