“广播机制：通过扩展实现数组运算”的版本间的差异
来自CloudWiki
（→numpy数组的广播机制） |
（→numpy数组的广播机制） |
||
| 第28行： | 第28行： | ||
| − | {| class="wikitable" | + | {| class="wikitable"| |
| − | |||
| − | | | ||
<br>import numpy as np | <br>import numpy as np | ||
<br>a = np.array([[1,2,1],[1,2,1]]) | <br>a = np.array([[1,2,1],[1,2,1]]) | ||
2020年5月16日 (六) 12:32的版本
numpy数组的广播机制
- 注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的
- 同纬度和形状的数组之间就是同位置的元素两两匹配运算的结果
import numpy as np
a=np.array([[ 1., 2., 1.], [ 1., 2., 1.]])
b=np.array([[ 1., 2., 3.], [ 1., 2., 3.]])
print(a.shape,b.shape)
>>>(2, 3) (2, 3)
print(a+b)
>>>array([[ 2., 4., 4.],[ 2., 4., 4.]])
print(a*b)
>>>array([[ 1., 4., 3.],[ 1., 4., 3.]])
print(a-b)
>>>array([[ 0., 0., -2.],[ 0., 0., -2.]])
print(a**b)
>>>array([[ 1., 4., 1.],[ 1., 4., 1.]])
- 当两个数组其中一个的维度少于另外一个的时候
少的数组在某一个轴（或是多个轴）的方向缺失数据，缺数据的那个方向只能有1个元素（或是一行，一面）作为复制蓝本，然后依照轴的方向复制，复制数由多的那个数组的大小决定
- 注意：如果是列和行其中之一有空缺是可以通过复制来运算的。
但是蓝本不能有缺或者多，即行和列都不完整。
