神经网络基础--1.9 Python中的广播

下方矩阵是100克不同食物的卡路里来源，例如100克苹果的热量有56卡来自碳水化合物，蛋白质和脂肪分别为1.2和1.8。
需求：计算四种食物中，来自碳水化合物、蛋白质和脂肪的卡路里的百分比。例如100克苹果总共有56+1.2+1.8=59卡，其中碳水化合物占比约为94.9%。
目标：不用显式for循环实现。

import numpy as np

#将数据填入3*4的矩阵A
A=np.array([56.0,0.0,4.4,68.0],
		   [1.2,104.0,52.0,8.0],
		   [1.8,135.0,99.0,0.9])
print(A)

cal=A.sum(axis=0)	#竖直相加
print(cal)

percentage=100*A/cal.reshape(1,4)	#用矩阵A除以上面的1*4矩阵
print(percentage)

输出：

• cal=A.sum(axis=0)中的轴0表示希望Python在竖直方向求和，水平方向则是轴1。
• percentage=100*A/cal.reshape(1,4)中的A是3×4矩阵，用A除以1×4矩阵。
  • 其实在cal=A.sum(axis=0)执行之后，变量cal已经是一个1×4矩阵了，不需要调用reshape函数，但用reshape可以保证它是正确的行向量、列向量或任何需要的形式
  • 这行代码的执行过程，就像1.7节logistic回归中参数b的计算，例如：
    
  • 如果有一个m×n的矩阵，然后加、减、乘或除以一个1×n的矩阵，Python就会把后者复制n次，变成m×n矩阵，然后再逐元素做计算。其他形式的计算都和这个过程类似