python广播机制_Numpy广播机制

更多关于：NumPy…

可是大家又会发现，如果让一个数组加1的话，结果时整个数组的结果都会加1，这是什么情况呢？

››› x = np.arange(3)

››› x

array([0, 1, 2])

››› x + 1

array([1, 2, 3])

其实这就是广播机制：Numpy可以转换这些形状不同的数组，使它们都具有相同的大小，然后再对它们进行运算。给出广播示意图：

numpy 广播示意图

广播示例

接下来我们通过实际代码验证下：

››› a = np.arange(0, 40, 10)

››› a.shape

(4L,)

››› a

array([ 0, 10, 20, 30])

››› b = np.array([0, 1, 2])

››› b.shape

(3L,)

››› b

array([0, 1, 2])

››› a = a[:, np.newaxis] # 转换a的维度(形状)

››› a.shape

(4L, 1L)

››› a

array([[ 0],

[10],

[20],

[30]])

››› a + b

array([[ 0, 1, 2],

[10, 11, 12],

[20, 21, 22],

[30, 31, 32]])

明显可以看出，相加前 a 的形状为 (4, 1), b 的形状为 (3, )， a+b 的结果的形状为(4, 3)。

计算时，变换结果与上图类似，这里来详细介绍下：

››› a

array([[ 0],

[10],

[20],

[30]])

››› a2 = np.array(([ i * 3 for i in a.tolist()])) # 会先将a转为a2

››› a2

array([[ 0, 0, 0],

[10, 10, 10],

[20, 20, 20],

[30, 30, 30]])

››› b

array([0, 1, 2])

››› b2 = np.array([b.tolist()] * 4) # 再将b转为b2

››› b2

array([[0, 1, 2],

[0, 1, 2],

[0, 1, 2],

[0, 1, 2]])

››› a2 + b2 # a2 + b2的结果就是 a + b 的结果

array([[ 0, 1, 2],

[10, 11, 12],

[20, 21, 22],

[30, 31, 32]])