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]])