【python】ndarray的广播功能

目录

0.环境

1.背景简介

2.ndarray的广播功能

2.1概念

2.2意义

2.3使用前提

2.4举例

2.5完整代码

---

0.环境

windows + jupyter notebook验证代码

1.背景简介

我是在查询【ndarray和array的区别】时，看到了“广播功能”这个词，之前只在网络的相关定义上了解广播这个词，但没想到，数组上也有应用，但其完全不是一种意思，特此记录一下使用方式。

简介一下ndarray和array的区别：

在Python中，array是Python标准库中提供的一种数组类型，而ndarray是NumPy库中提供的一种多维数组类型。虽然它们都可以用来存储数值数据，但它们之间存在一些区别：
1）array类型只能存储一维数组，而ndarray类型可以存储多维数组。
2）array类型只能存储相同类型的数据，而ndarray类型可以存储不同类型的数据。
3）ndarray类型支持广播功能，这使得可以对不同形状的数组进行数学运算。array类型不支持广播功能。
4）ndarray类型提供了许多用于数学和科学计算的函数和方法，例如线性代数、傅里叶变换、随机数生成等等。array类型只提供了一些基本的数组操作方法。

2.ndarray的广播功能

2.1概念

当对两个形状不同的数组进行算术运算时，例如加法、减法、乘法和除法，NumPy会自动将较小的数组广播（broadcast）到较大数组的形状，以匹配它们的形状。这种自动广播的功能被称为广播（broadcasting）。

2.2意义

这意味着，您可以对不同形状的数组进行数学运算，而无需显式地扩展数组的形状或使用循环来匹配它们的形状。这使得在NumPy中进行数学运算更加方便和高效。

2.3使用前提

数组中的元素（元组）的维数需要相等，比如下面的例子，多维数组中共有三个元组，[1,2,3]、[4,5,6]、[7,8,9]，每个里面都是三个元素，那么与之相计算的数组，也必须是三个元素。一旦a中增加元组的维数（[1.2.3]变成[1,2,3,4]），或者b中增加元组的维数（变成[10,20,30,40]），都会导致编译器的报错。

2.4举例

假设有一个形状为(3, 3)的数组和一个形状为(1, 3)的数组a和b：

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

b = np.array([[10, 20, 30]])

可以使用广播功能将数组b广播到与数组a相同的形状，然后进行数学运算：

c = a + b

print(c)

结果：

import numpy as np

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

b = np.array([[10, 20, 30]])
c = a + b
print(c)

解释：在这个例子中，数组b被广播到一个形状为(3, 3)的数组，以匹配数组a的形状。然后，对两个数组进行了加法运算。

2.5完整代码

import numpy as np

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

b = np.array([[10, 20, 30]])
c = a + b
print(c)

--END--