Numpy的广播情况有哪些

本篇内容介绍了“Numpy的广播情况有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

图们ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联公司的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：18980820575（备注：SSL证书合作）期待与您的合作！

Numpy的广播的三种情况

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制；即：可扩充较小数组中的元素来适配较大数组的形状，这种机制叫作广播（broadcasting） 广播机制如下，一共三种情况：由于日常应用中最常见的只有一维数组与二维数组，所以就不举三维及以上数组的例子了；这样更容易理解；

1. 有一个数组是一个数字，即可广播；

有一个数组是一个数字，则可以将该数字广播，如下图：

举例如下：

a = np.arange(3)
b = 5
print(a+b)
# 输出为：[5 6 7]

2.  维度的尾部一致，即可广播；

维度的尾部一致，即可广播；如下图，尾部维度均为3；

举例如下：尾部维度均为4；

a = np.arange(12).reshape(3,4)
b= np.arange(4)
print(a)   
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]
print(b)
# [0 1 2 3]
print(a+b)
# [[ 0  2  4  6]
#  [ 4  6  8 10]
#  [ 8 10 12 14]]

3. 两个数组均为一维数组，一个为行方向，一个为列方向，即可广播；

举例如下：

a = np.arange(3).reshape(3,1)
b= np.arange(3)
print(a)
# [[0]
#  [1]
#  [2]]
print(b)
# [0 1 2]
print(a+b)
# [[0 1 2]
#  [1 2 3]
#  [2 3 4]]

“Numpy的广播情况有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！