Numpy中重要的广播概念

Numpy中重要的广播概念

广播：
简单理解为用于不同大小数组的二元通用函数（加、减、乘等）的一组规则

广播的规则：

1. 如果两个数组的维度数dim不相同，那么小维度数组的形状将会在左边补1
2. 如果shape的维度不匹配，但是有维度是1，那么可以扩展维度是1的维度匹配另一个数组；
3. 如果shape的维度不匹配，但是没有任何一个维度是1，则匹配失败引发错误；

实例1：二维数组加一维数组

分析：a.shape=(2, 3), b.shape=(3,)

1. 根据规则1，b.shape会变成(1, 3)
2. 根据规则2，b.shape再变成(2, 3)，相当于在行上复制
3. 完成匹配

实例2：两个数组均需要广播

分析：a.shape为(3,1)，b.shape为(3,)：

1. 根据规则1，b.shape会变成(1, 3)
2. 根据规则2，b.shape再变成(3, 3)，相当于在行上复制
3. 根据规则2，a.shape再变成(3, 3)，相当于在列上复制
4. 完成匹配

实例3：不匹配的例子

分析：a.shape为(3,2)，b.shape为(3,)：

1. 根据规则1，b.shape会变成(1, 3)
2. 根据规则2，b.shape再变成(3, 3)，相当于在行上复制
3. 根据规则3，形状不匹配，但是没有维度是1，匹配失败报错