Python入门教程(五):Numpy计算之广播

点击上方 蓝字 关注我们

广播(broadcasting)是通用函数另一个非常有用的功能，它能够操纵不同大小和形状的数组，这就是我们所说的广播。

01

广播简介

对于同样大小的数组，二元运算符是对相应元素逐个计算，如例1所示。

广播允许这些二元运算符可以用于不同大小的数组。

例1:
import numpy as np
a = np.array([0, 1, 2])
b = np.array([5, 5, 5])
a + b
# array([5, 6, 7])

如例2所示，可以简单地将一个标量(可以认为是一个零维数组)和一个数组相加。这个操作，我们可以认为是将数值5扩展或者重复至数组[5,5,5],然后执行加法。Numpy广播功能的好处是，这种对值的重复实际上没有发生，但是这是一种很好理解的广播模型。

例2:
# 
a + 5
# array([5, 6, 7])

我们也可以把这个原理拓展到更高维度的数组，下面例子展示了一个一维数组和一个二维数组相加的结果。在例3中一个二维数组被拓展了或者被广播了。他沿着第二个维度扩展，拓展到匹配M数组的形状。

例3:
M = np.ones((3, 3))
M


# array([[ 1.,  1.,  1.],
#        [ 1.,  1.,  1.],
#       [ 1.,  1.,  1.]])


M + a
# array([[ 1.,  2.,  3.],
#       [ 1.,  2.,  3.],
#       [ 1.,  2.,  3.]])

以上数组理解起来还比较容易，更复杂的情况涉及到对两个数组的同时广播，如例4所示。

例4:
a = np.arange(3)
b = np.arange(3)[:, np.newaxis]


print(a)
print(b)


# [0 1 2]
# [[0]
#  [1]
#  [2]]


a + b
# array([[0, 1, 2],
#       [1, 2, 3],
#