解析 NumPy 的广播机制

题图：fab-lentz-253417-unsplash

这是第 202 篇原创

建议阅读时间：5 分钟

如果对您有帮助，欢迎点赞和转发。

优秀的知识分享氛围，需要你我共同努力。

1 问答记录系列

实践出真知，相互讨论碰撞出思想的火花。【原创互助答疑群】内有的问答很精彩。于是脑子里闪现出一个想法，为什么不把整个的问答过程记录总结下来，分享给更多的小伙伴呢？ 于是就有了这个推送系列模块，相信大家能从中受益。欢迎小伙伴在群内积极参与讨论。

2 Python的 * 和 NumPy的广播

几天前，一个小伙伴问：Python的 * 和广播机制是一回事吗？它们相似，但实则不同！

1) 先了解下python中的list * 标量，结果是复制对应的元素，如下所示：

list * 标量等于按元素或按行的复制。

2) NumPy 的广播机制，先看一个例子，如下：

上面的例子，xx 的 shape是(4,1)，y的 shape(5,)，NumPy支持的这类操作，被称为广播机制。

3 NumPy广播 通用规则

注意，不是任意形状间的ndarray都能做广播，必须满足一定的约束条件。对两个NumPy的 ndarray 进行操作时，NumPy 会比较形状，开始于最靠后的维度(如5*4*6，最靠后的维度长度是6)。当以下情形出现时，维度是兼容的：

1)相等

2)其中一个长度为 1

可以看到，广播是按照右对齐的方式，其中长度为1的维度被自动广播。

4 NumPy广播 好处

先看一个例子。一个ndarray和一个标量相乘，这是广播机制：

如果我们不按照广播机制，我们可以这样写：

标量值 b 在计算时被伸展为 与 a 一样的形状，伸展后 b 的每一个元素都是原来标量值的复制。实际上，NumPy 并不需要真的复制这些标量值，所以广播运算在内存和计算效率上更高效。

5 欢迎入群讨论

以上错误之处，有疑问的地方，或者待优化改进之处，欢迎公号内留言、微信群内留言，微信群内已分享完整的PPT。

微信群规定，群内严禁分享推文，只做交流讨论。欢迎扫描群主微信，加入原创互助答疑微信群。请注明：加群

最近推文：

探索下去，迎接未知的精彩。。。Python神经网络| 一篇很棒的实战笔记，附源码牢记初心，就是保持内心的几分纯真3分钟理解 支持向量机中最出神的第一笔