Numpy數(shù)組運(yùn)算【黑馬程序員】

1 數(shù)組與數(shù)的運(yùn)算

arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr + 1arr / 2# 可以對比python列表的運(yùn)算，看出區(qū)別a = [1, 2, 3, 4, 5]
a * 3

2 數(shù)組與數(shù)組的運(yùn)算

arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr2 = np.array([[1, 2, 3, 4], [3, 4, 5, 6]])

上面這個(gè)能進(jìn)行運(yùn)算嗎，結(jié)果是不行的！

2.1 廣播機(jī)制

數(shù)組在進(jìn)行矢量化運(yùn)算時(shí)，要求數(shù)組的形狀是相等的。當(dāng)形狀不相等的數(shù)組執(zhí)行算術(shù)運(yùn)算的時(shí)候，就會(huì)出現(xiàn)廣播機(jī)制，該機(jī)制會(huì)對數(shù)組進(jìn)行擴(kuò)展，使數(shù)組的shape屬性值一樣，這樣，就可以進(jìn)行矢量化運(yùn)算了。下面通過一個(gè)例子進(jìn)行說明：

arr1 = np.array([[0],[1],[2],[3]])
arr1.shape# (4, 1)arr2 = np.array([1,2,3])
arr2.shape# (3,)arr1+arr2# 結(jié)果是：array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6]])

上述代碼中，數(shù)組arr1是4行1列，arr2是1行3列。這兩個(gè)數(shù)組要進(jìn)行相加，按照廣播機(jī)制會(huì)對數(shù)組arr1和arr2都進(jìn)行擴(kuò)展，使得數(shù)組arr1和arr2都變成4行3列。

下面通過一張圖來描述廣播機(jī)制擴(kuò)展數(shù)組的過程：

廣播機(jī)制實(shí)現(xiàn)了時(shí)兩個(gè)或兩個(gè)以上數(shù)組的運(yùn)算，即使這些數(shù)組的shape不是完全相同的，只需要滿足如下任意一個(gè)條件即可。

• 1.數(shù)組的某一維度等長。
• 2.其中一個(gè)數(shù)組的某一維度為1 。

廣播機(jī)制需要擴(kuò)展維度小的數(shù)組，使得它與維度最大的數(shù)組的shape值相同，以便使用元素級(jí)函數(shù)或者運(yùn)算符進(jìn)行運(yùn)算。

如果是下面這樣，則不匹配：

A  (1d array): 10
B  (1d array): 12
A  (2d array):      2 x 1
B  (3d array):  8 x 4 x 3

思考：下面兩個(gè)ndarray是否能夠進(jìn)行運(yùn)算？

arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr2 = np.array([[1], [3]])

3 小結(jié)

• 數(shù)組運(yùn)算,滿足廣播機(jī)制,就OK【知道】
  • 1.維度相等
  • 2.shape(其中對應(yīng)的地方為1,也是可以的)