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:
-
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。
-
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。
-
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。