NumPy - 广播

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。数组的算术运算通常是针对相应的元素进行的。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。

实施例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]

如果两个数组的维度不同，则无法进行元素到元素的操作。然而，由于广播功能，在 NumPy 中仍然可以对不相似形状的数组进行操作。较小的数组被广播到较大数组的大小，以便它们具有兼容的形状。

如果满足以下规则，则可以进行广播 -

  • ndim小于另一个的数组在其形状中添加“1”。

  • 输出形状的每个维度的大小是该维度的输入大小的最大值。

  • 如果输入在特定维度上的大小与输出大小匹配或者其值恰好为 1，则输入可以用于计算。

  • 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。

如果上述规则产生有效结果并且以下其中一个为真，则一组数组被称为可广播-

  • 数组具有完全相同的形状。

  • 数组具有相同的维数，每个维的长度要么是公共长度，要么是 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，以便上述属性成立。

以下程序显示了广播的示例。

实施例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以与a兼容。

大批