numpy广播机制是什么?

发布网友 发布时间：2024-10-22 22:32

我来回答

共1个回答

热心网友 时间：2024-10-25 21:51

本文属于搬运

如需学习某些库请先去查看官方文档！！！！

术语广播描述了NumPy在算术运算期间如何处理具有不同形状的数组。受某些约束，较小的阵列跨较大的阵列“广播”，使得它们具有兼容的形状。广播提供了一种向量化数组操作的方法，以便循环在C中而不是Python中发生。这样做不会产生不必要的数据副本，通常会导致高效的算法实现。然而，在某些情况下，广播是一个坏主意，因为它会导致内存的低效使用，从而降低计算速度。

NumPy操作通常在数组对上逐个元素进行。在最简单的情况下，两个数组必须具有完全相同的形状。在某些情况下，数组和标量值在操作中组合时，NumPy会将标量视为与数组形状相同的数组，从而进行广播操作，以节省内存和计算。

当对两个数组进行操作时，NumPy将按元素比较它们的形状。它从尾部开始（即最右边）标注尺寸并向左工作。两个维度在以下情况下是兼容的：输入数组不需要具有相同的维数。所得数组将具有与具有最大维数的输入数组相同的维数，其中每个维数的大小是输入数组中对应维数的最大大小。请注意，假定缺失的尺寸的大小为1。当所比较的两个维度中的任一个是一个时，使用另一个维度。换句话说，尺寸为1的尺寸被拉伸或“复制”以匹配其他尺寸。

如果上述规则产生有效结果，则一组数组被称为“可广播”为相同形状。例如，如果a.shape是（5，1），b.shape是（1，6），c.shape是（6，）并且d.shape是（），使得d是标量，则a、B、c和d都可广播到维度（5，6）

以下是不广播的形状示例：将一维数组添加到二维数组时的广播示例。如图2所示，将b添加到a的每一行。在图3中，由于形状不兼容而引发异常。广播提供了一种获取两个数组的外积（或任何其他外运算）的方便方法。下面的示例显示了两个一维数组的外部加法运算。

这里，newaxis索引操作符向a中插入一个新轴，使其成为一个二维的4x1数组。将4x1阵列与形状(3,)的b组合，产生4x3阵列。