深入理解numpy的广播机制

区分，数组是数组，矩阵是矩阵

广播的实质就是先扩展维度然后进行复制

广播（broadcasting）是NumPy中一种强大的机制，用于在不同形状的数组之间执行元素级别的操
作，而无需进行显式的循环操作。它使得具有不同形状的数组可以按照一定规则进行运算，从而简化了数组之间的操作和计算过程。

在广播中，如果两个数组的维度（或轴）的长度相等，或其中一个数组的维度为1，那么这两个数组是兼容的，可以进行广播。广播过程会自动将较小的数组沿着缺失的维度进行扩展，使其形状与另一个数组匹配，从而使得两个数组可以进行元素级别的操作。

广播规则如下：

1. 如果两个数组的维度数不同，将维度较小的数组的形状在最左边补1，直到维度数相同。

2. 如果两个数组在某个维度上的长度不同，但其中一个维度的长度为1，那么可以在该维度上进行广播。

3. 如果两个数组在某个维度上的长度既不相等，也不为1，那么广播操作会引发错误。

广播的例子：

import numpy as np

# 创建一个形状为(3, 2)的二维数组
a = np.array([[1, 2],
              [3, 4],
              [5, 6]])

# 创建一个形状为(2,)的一维数组
b = np.array([10, 20])

# 使用广播将数组b与数组a相加
c = a + b

print(c)
# 输出结果为：
# [[11 22]
#  [13 24]
#  [15 26]]

在上述例子中，数组a的形状为(3, 2)，数组b的形状为(2,)。根据广播规则，数组b会在第一个维度上进行扩展，变为(1, 2)的形状，然后再沿着第一个维度进行复制，扩展为(3, 2)的形状，与数组a的形状相匹配。最后，进行元素级别的加法运算，得到结果数组c。

广播的好处在于，它可以使我们在不显式复制数据的情况下，对不同形状的数组进行操作，从而提高了计算效率和代码的简洁性。