【Python】numpy广播broadcast与np.newaxis()函数详解

【Python】numpy广播broadcast与np.newaxis()函数详解

1. 广播 broadcast

广播（broadcast）是Python numpy库中十分常用的功能之一。针对不同形状的数组，依据一定规则进行元素的数学运算，一般是“较小的数据在较大的数组上广播”，以便兼容不同的形状。

计算对象数组形状相同

当计算对象数数组形状相同，不会触发广播功能。
比如下面两个数组进行加法运算：

import numpy as np

a = np.array([[ 4,  7,  9], 
              [10,  2, 10]])
b = np.array([[ 3,  2,  6], 
              [ 8,  1,  5]])
a + b

输出结果如下，每个位置对应元素相加：

array([[ 7,  9, 15],
       [18,  3, 15]])

计算对象数组形状不同

当计算对象数组形状不同时，则会触发广播功能。

广播应用规则： 输入数组具有相同形状，或者其中一个数组某维度的尺寸为1。

如果不满足该规则，那么会抛出异常：ValueError: operands could not be broadcast together。

相同形状的数组运算上面已经说明，那么什么是“其中一个数组某维度的尺寸为1”？

比如下面两个数组：

>>> a = np.array([[ 4,  7,  9], 
...               [10,  2, 10],
...               [ 1,  4,  8]])
>>> b = np.array([[ 3,  2,  6]])
>>> print(a.shape, b.shape)
(3, 3) (1, 3)
>>> a + b
array([[ 7,  9, 15],
       [13,  4, 16],
       [ 4,  6, 14]])

可以看到，输出结果等于下面两个数组a和c相加：

>>> c = np.array([[ 3,  2,  6], 
...               [ 3,  2,  6], 
...               [ 3,  2,  6]])
>>> a + c
array([[ 7,  9, 15],
       [13,  4, 16],
       [ 4,  6, 14]])

也就是说，在计算时，将b在第一个维度上（原维度为1）进行了“拉伸”或者说“复制”，然后与a在元素级别相加。

如果b的第一个维度不为1，就会抛出异常：

>>> d = np.array([[ 3,  2,  6], 
...               [ 1,  4,  7]])