numpy数组按某一维度相加_NumPy广播机制（Broadcasting）

广播(Broadcasting)是 numpy 对不同形状(shape)的数组进行数值计算的一种方式。本文主要翻译自 Python Data Science Handbook 一书，习惯英文阅读可直接阅读原书：Computation on Arrays: Broadcasting

1. Broadcasting介绍

对两个形状相同的数组进行二元运算，等同于将数组中的对应位置进行二元运算：

Broadcasting允许在在形状不同的数组上进行这类二元运算，比如我们可以用一个数组加上一个标量：

这里我们可以看做标量5被“复制”成了一个和数组a形状相同的数组[5, 5, 5]（这个复制操作就是broadcasting，但是在broadcasting中并不是真的复制了数组，并没有增加新的内存，“复制”只是我们理解broadcasting的一种简单的方式） ，再与a相加，如下图所示 ：

我们也可以对更高维的数组进行broadcasting，比如一个二维数组和一个一维数组相加：

这里一维数组a为了和M的形状匹配，它通过broadcast从(1, 3)->(3, 3)，如下图所示：

上述例子仅在一个维度进行广播，还有一个跟复杂的情况，如在数组的两个维度都需要进行broadcast：

这里的a.shape=(1, 3)、b.shape=(3, 1)，为了得到最终的结果，a和b都需要在不同的维度上进行broadcast，如下图所示：

2. Broadcasting规则

以上介绍了很多boroadcasting实例，但是例子往往是无穷无尽的。想要完全掌握broadcast机制，我们只需要记住它在进行运算时的三条规则：

• 规则1：让所有输入数组都向其中形状最长的数组看齐，形状中不足的部分都通过在前面（左侧）补 1
  注：形状其实就是指the number of dimensions。比如计算a+b，其中a.shape=(2, 2, 3)、b.shape=(2, 3)，那么数组b 将被broadcast为b.shape=(1, 2, 3)
• 规则2：如果两个数组的形状在任何维度上均不匹配，但是某个数组中某一个维度为1，则该维度中形状为1的数组将被拉伸以匹配另一个数组对应维度形状
  注：这里实际上是保证可以在某一个维度做broadcasting，比如计算a+b，其中 a.shape=(1, 3)、b.shape=(3, 1)，那么根据规则2，这两个数组会boradcast为 a.shape=(3, 3)、b.shape=(3, 3)
• 规则3：如果两个数组的形状在任何维度上均不匹配，且均没有等于1的维度，则会报错。

下面通过三个例子来理解这三个规则。

例1

M.shape=(2, 3) a.shape=(3, ) ---规则1-->M.shape=(2, 3) a.shape=(1, 3) ---规则2-->M.shape=(2, 3) a.shape=(2, 3) ---最终输出形状-->(2, 3) ，如下图所示：

例2

a.shape=(3, 1) b.shape=(3, ) ---规则1-->a.shape=(3, 1) b.shape=(1, 3) ---规则2-->a.shape=(3, 3) b.shape=(3, 3) ---最终输出形状-->(3, 3)，如下图所示：

例3

M.shape=(3, 2) a.shape=(3, ) ---规则1-->M.shape=(3, 2) a.shape=(1, 3) ---规则2-->M.shape=(3, 2) a.shape=(3, 3) ---规则3-->两个数组broadcast之后的形状并不相同，报错。

3. Broadcasting应用

应用1：一组数据，使其均值为0，如下所示：

应用2：画函数图像，如下所示：

x.shape=(50,) y.shape=(50, 1) ---规则1-->x.shape=(1, 50) y.shape=(50, 1) ---规则2-->x.shape=(50, 50) y.shape=(50, 50) ---最终输出形状-->(50, 50)

参考文献

【1】Computation on Arrays: Broadcasting

【2】NumPy 广播(Broadcast)

若有侵权，请联系我删除相关内容，谢谢。