📌  相关文章
📜  NumPy-广播

📅  最后修改于: 2020-11-08 07:36:16             🧑  作者: Mango

术语广播是指NumPy在算术运算期间处理不同形状的数组的能力。数组上的算术运算通常在相应的元素上完成。如果两个数组的形状完全相同，则可以平稳执行这些操作。

例子1

现场演示
import numpy as np 

a = np.array([1,2,3,4]) 
b = np.array([10,20,30,40]) 
c = a * b 
print c

其输出如下-

[10   40   90   160]

如果两个数组的维数不同，则不可能进行元素到元素的操作。但是，由于广播功能的原因，在NumPy中仍然可以对非相似形状的数组进行操作。较小的阵列将广播为较大的阵列，以便它们具有兼容的形状。

如果满足以下规则，则可以进行广播-

  • ndim小于另一个的数组的形状前面带有“ 1”。

  • 输出形状的每个尺寸中的尺寸是该尺寸中输入尺寸的最大值。

  • 如果输入在特定维度上的大小与输出大小匹配或其值正好为1，则可以将其用于计算。

  • 如果输入的维大小为1，则该维中的第一个数据条目将用于沿该维的所有计算。

如果上述规则产生有效结果且以下条件之一为真，则表示一组数组可以广播：

  • 数组具有完全相同的形状。

  • 数组具有相同的维数，每个维的长度可以是公共长度或1。

  • 尺寸过小的数组可以使其形状的长度为1，因此上述属性为true。

以下程序显示了广播示例。

例子2

现场演示
import numpy as np 
a = np.array([[0.0,0.0,0.0],[10.0,10.0,10.0],[20.0,20.0,20.0],[30.0,30.0,30.0]]) 
b = np.array([1.0,2.0,3.0])  
   
print 'First array:' 
print a 
print '\n'  
   
print 'Second array:' 
print b 
print '\n'  
   
print 'First Array + Second Array' 
print a + b

该程序的输出如下：

First array:
[[ 0. 0. 0.]
 [ 10. 10. 10.]
 [ 20. 20. 20.]
 [ 30. 30. 30.]]

Second array:
[ 1. 2. 3.]

First Array + Second Array
[[ 1. 2. 3.]
 [ 11. 12. 13.]
 [ 21. 22. 23.]
 [ 31. 32. 33.]]

下图演示了如何广播数组b以使其与a兼容。

数组