Numpy 数组运算与广播

发布时间：2023-07-01 15:14:18 所属栏目：教程来源：

导读：对数组的算术运算通常在相应的元素上进行。如果两个阵列具有完全相同的形状，则这些操作被无缝执行，这一小节将通过数组的运算来展示广播的一些特征。

1. 常见的两种广播途径
1.1 相同大小的数组计算
如果两个

对数组的算术运算通常在相应的元素上进行。如果两个阵列具有完全相同的形状，则这些操作被无缝执行，这一小节将通过数组的运算来展示广播的一些特征。

1. 常见的两种广播途径
1.1 相同大小的数组计算
如果两个数组的维度完全一致，那么运算过程是两个数组相应元素的逐个计算。

案例
定义两个完全一致的数组：

arr0 = np.array([[, , ], [, , ]])arr1 = np.array([[, , ], [, , ]])
查看数组结构：

arr0
out:array([[, , ],[, , ]])arr1
out:array([[, , ], [, , ]])
查看加法运算的结果：

arr0 + arr1
out:array([[ , , ], [ , , ]])
查看乘法运算的结果：

arr0 * arr1
out:array([[ , , ], [, , ]])
可以看到，如果数组的维度一致，那么广播则是对应位置的元素运算。

1.2 数组与标量的计算
广播机制的存在，允许运算发生在不同维度的数组之间，其中最典型的场景，是数组的标量的计算。所谓的标量，我们可以简单地将之视为是0维的数组。

案例
对于加法运算：

arr0 + out:array([[ , , ], [ , , ]])
对于乘法运算

arr0 * out:array([[ , , ], [, , ]])
对于幂运算：

arr0 ** out:array([[ , , ], [, , ]], dtype=int32)
可以发现，对于上述效果，是数组每个元素分别与标量进行运算的结果。

直观地，我们发现，标量在这个二维数组上发生了传播（广播），标量沿着数组的两个维度扩散，直至扩散的结果和待计算的二维数组一致，最后进行计算。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!