Numpy中的广播Broadcast用法

广播仅仅是一组用于在不同大小的数组上应用二元ufuncs(加法、减法、乘法等)的规则。

对于相同大小的数组，二元操作按元素逐元素执行。

In[1]: import numpy as np
In[2]: a = np.array([0, 1, 2])
b = np.array([5, 5, 5])
a + b
Out[2]: array([5, 6, 7])

广播允许在不同大小的数组上执行这些类型的二元操作。

在NumPy中，广播遵循一组严格的规则来确定两个数组之间的操作:

规则1:如果两个数组在维度的数量上有差异，那么维度较少的数组的形状就会被用1填充在它的前导(左)边。
规则2:如果两个数组的形状在任何维度上都不匹配，但等于1，那么在这个维度中，形状为1的数组将被拉伸以匹配另一个形状。

规则3:如果在任何维度上，大小都不一致，且两者都不等于1，就会出现错误。

下面看例子：

In[1]: import numpy as np
In[2]: M = np.ones((2, 3))
       a = np.arange(3)

In [3]: M.shape
Out[3]: (2, 3)
In [4]: a.shape
Out[4]: (3,)

根据规则1，数组a的维数更少，所以我们用1填充在它的左边。

M.shape -> (2, 3)
a.shape -> (1, 3)