NumPy - 广播 - 菜鸟教程

简述

术语broadcasting指的是 NumPy 在算术运算过程中处理不同形状数组的能力。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，那么这些操作就可以顺利执行。

示例 1


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

它的输出如下 -


[10   40   90   160]

如果两个数组的维度不同，则元素到元素的操作是不可能的。然而，由于广播能力，在 NumPy 中仍然可以对形状不相似的数组进行操作。较小的数组是broadcast到较大数组的大小，以便它们具有兼容的形状。

如果满足以下规则，则可以广播 -

数组更小ndim而另一个则在其形状中以“1”开头。
输出形状的每个维度中的大小是该维度中输入大小的最大值。
如果输入在特定维度中的大小与输出大小匹配或其值恰好为 1，则可以在计算中使用输入。
如果输入的维度大小为 1，则该维度中的第一个数据条目将用于沿该维度的所有计算。

一组数组被称为broadcastable如果上述规则产生有效结果并且以下之一为真 -

数组具有完全相同的形状。
数组具有相同的维数，并且每个维的长度是公共长度或 1。
维度太少的数组可以在其形状前面加上长度为 1 的维度，因此上述属性是正确的。

以下程序显示了广播的示例。

示例 2


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.]]

下图演示了数组如何b被广播变得兼容a.