numpy中的广播运算使得两个不同形状(但也有基本要求,不是任何维度都可以广播)的数组进行运算,较小维度的数组会被广播到另一个数组的相应维度上去,可以简化代码的编写(例如不需要编写循环)。
>>> import numpy as np
# 列向量
>>> a = np.arange(0,60,10).reshape(-1,1)
# 行向量
>>> b = np.arange(0,6)
>>> a
array([[ 0],
[10],
[20],
[30],
[40],
[50]])
>>> b
array([0, 1, 2, 3, 4, 5])
# 数组与标量的加法,本质上也属于广播
# 把标量广播到数组上去,分别与数组中每个元素运算
>>> a[0] + b
array([0, 1, 2, 3, 4, 5])
>>> a[1] + b
array([10, 11, 12, 13, 14, 15])
# 6x1数组和1x6数组的广播
# 把数组a中的每个元素广播到数组b,得到结果数组中的一行
>>> a + b
array([[ 0, 1, 2, 3, 4, 5],
[10, 11, 12, 13, 14, 15],
[20, 21, 22, 23, 24, 25],
[30, 31, 32, 33, 34, 35],
[40, 41, 42, 43, 44, 45],
[50, 51, 52, 53, 54, 55]])
>>> a * b
array([[ 0, 0, 0, 0, 0, 0],
[ 0, 10, 20, 30, 40, 50],
[ 0, 20, 40, 60, 80, 100],
[ 0, 30, 60, 90, 120, 150],
[ 0, 40, 80, 120, 160, 200],
[ 0, 50, 100, 150, 200, 250]])
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
# 二维数组与标量的广播计算
>>> a + 2
array([[3, 4, 5],
[6, 7, 8]])
# 2x3数组与2x1数组之间的广播
# 把[1]广播到a的第一行,[2]广播到a的第二行
>>> a + np.array([[1],[2]])
array([[2, 3, 4],
[6, 7, 8]])