属于广播主要描述于numpy对于不同shape的数组如何进行算术运算。受限于一些特定约束。
一般都是小的数组扩展为大的数组,以便能计算。
1.通常情况下,numpy操作的数组必须是相同shape的。
a = np.array([1.0, 2.0, 3.0])
b = np.array([2.0, 2.0, 2.0])
print(a * b)
[2. 4. 6.]
2.当数组的shape满足某些特定约束时,numpy的广播机制可以使这个约束更宽松。最简单的就是广播例子就是当数组和一个标量操作时。
a = np.array([1.0, 2.0, 3.0])
b = 2.0
print(a * b)
[2. 4. 6.]
上面两个例子的结果是一样的,我们可以认为标量b被扩展为了和a同样shape的数组,b中的新元素就是原来标量的拷贝。这个扩展策略仅仅是概念上的,实际上Numpy足够聪明,能自动使用标量做运算,而不需要复制任何东西。所以广播运算从计算内存上来说更优秀。
要能满足广播,必须符合下面两条规则:
- 广播之后,输出数组的shape是输入数组shape的各个轴上的最大值,然后沿着较大shape属性的方向复制延伸;
- 要进行广播机制,要么两个数组的shape属性一样,要么其中有一个数组的shape属性必须有一个等于1;
a = np.array([2.0, 2.0, 3.0])
b = np.array([2.0, 2.0])
print(a * b)
Traceback (most recent call last):
File "C:/Users/Admin/PycharmProjects/untitled2/17.py", line 9, in <module>
print(a * b)
ValueError: operands could not be broadcast together with shapes (3,) (2,)
Process finished with exit code 1
a的shape属性是3,b的shape属性是2,报错。要么一样要么有一个为1.