python广播_用Python广播,BroadcastinginPython

定义：

如果两个数组的后缘维度的轴长度相符或其中一方的轴长度为1，则认为它们是广播兼容的。广播会在缺失维度和轴长度为1的维度上进行。

要学习下 numpy 官方文档里关于 广播机制相关的知识

矩阵 A_(m,n) 和矩阵 B_(1,n) 进行四则运算，后缘维度轴长度相符，可以广播，广播沿着轴长度为1的轴进行，即 B_(1,n) 广播成为 B_(m,n)’ ，之后做逐元素四则运算。

矩阵 A_(m,n) 和矩阵 B_(m,1) 进行四则运算，后缘维度轴长度不相符，但其中一方轴长度为1，可以广播，广播沿着轴长度为1的轴进行，即 B_(m,1) 广播成为 B_(m,n)’ ，之后做逐元素四则运算。

矩阵 A_(m,1) 和常数R 进行四则运算，后缘维度轴长度不相符，但其中一方轴长度为1，可以广播，广播沿着缺失维度和轴长度为1的轴进行，缺失维度就是axis=0,轴长度为1的轴是axis=1，即R广播成为 B_(m,1)’ ，之后做逐元素四则运算。

python

import numpy as np

arr1 = np.array([[0, 0, 0],[1, 1, 1],[2, 2, 2], [3, 3, 3]]) #arr1.shape = (4,3)

arr2 = np.array([1, 2, 3]) #arr2.shape = (3,)

arr_sum = arr1 + arr2

print(arr_sum)

输入结果如下:

[[1 2 3]

[2 3 4]

[3 4 5]

[4 5 6]]

上例中arr1的shape为(4,3)，arr2的shape为(3，)。可以说前者是二维的，而后者是一维的。但是它们的后缘维度相等，arr1的第二维长度为3，和arr2的维度相同。arr1和arr2的shape并不一样，但是它们可以执行相加操作，这就是通过广播完成的，在这个例子当中是将arr2沿着0轴进行扩展。

同样还有：

从上面的图可以看到，(3,4,2)和(4,2)的维度是不相同的，前者为3维，后者为2维。但是它们后缘维度的轴长相同，都为(4,2)，所以可以沿着0轴进行广播。

同样，还有一些例子：(4,2,3)和(2,3)是兼容的，(4,2,3)还和(3)是兼容的，后者需要在两个轴上面进行扩展。

数组维度相同，其中有个轴为1

import numpy as np

arr1 = np.array([[0, 0, 0],[1, 1, 1],[2, 2, 2], [3, 3, 3]]) #arr1.shape = (4,3)

arr2 = np.array([[1],[2],[3],[4]]) #arr2.shape = (4, 1)

arr_sum = arr1 + arr2

print(arr_sum)

输出结果如下：

[[1 1 1]

[3 3 3]

[5 5 5]

[7 7 7]]

arr1的shape为(4,3)，arr2的shape为(4,1)，它们都是二维的，但是第二个数组在1轴上的长度为1，所以，可以在1轴上面进行广播，如下图所示：

在这种情况下，两个数组的维度要保证相等，其中有一个轴的长度为1，这样就会沿着长度为1的轴进行扩展。这样的例子还有：(4,6)和(1,6) 。(3,5,6)和(1,5,6)、(3,1,6)、(3,5,1)，后面三个分别会沿着0轴，1轴，2轴进行广播。