Numpy的广播机制（broadcast）

原理：如果两个数组的后缘维度（从末尾开始算起的维度）的轴长度相符或其中一方的长度为1，则认为它们是广播兼容的，广播会在缺失维度或者轴长度为1的维度上进行。
举例说明：

import numpy as np
arr = np.random.randn(4, 3) # -> shape=(4, 3)

首先通过计算说明什么是缺失维度

demeaned = arr - arr.mean(axis=0) 
# -> shape=(4, 3) - shape=(3, ) = shape=(4, 3)

通过上面的例子看到，demeaned的维度是(4, 3)，因为arr和arr.mean的后缘维度的轴长度相同（从后往前数，第一维的长度都是3），所以可以进行广播，此时，arr.mean会自动添加一维，即在列方向上广播为4行，最终shape变为(4, 3)，对于arr.mean来说，axis=0就是缺失维度，因为arr的3和arr.mean的3作为后缘维度的轴长度，后缘维度必须的同一维度，即必须是axis=1。
另一个例子

a = np.array([1, 2, 3]) # -> shape=(3, )
b = np.array([[1,], [2,], [3,]) # -> shape=(3, 1)
b -a # -> shape=(3, 3)

首先，b有一维的长度是1，所以b会在该维度进行广播，shape变为(3, 3)，此时b和a的后缘维度的长度又相同了，那么a会在缺失维度进行广播，shape也变为（3，3）。