目录

numpy比较结果的逻辑组合

简单的 Numpy Broadcasting

Broadcasting的基本原则

numpy比较结果的逻辑组合

简单的 Numpy Broadcasting

Broadcasting（广播） 解决的是不同形状的矩阵（或者向量）之间的运算问题。

在代数运算中，不同形状的矩阵（或者向量）之间无法进行基本运算，但是在Numpy中，只要满足一般规则，这个运算的允许的。

Broadcasting的基本原则

整体而言，两个不同形状的矩阵（或者向量）进行基本运算，看两个矩阵（或者向量）的最后一个维度数。如果最后一个维度数是一致的，则“小矩阵”经过复制扩展，和“大矩阵”进行基本运算。

比如：

A.shape = (2 x 3)  ->  A.shape = (2 x 3)
b.shape = (3)      ->  b.shape = (1 x 3)  ->  扩展为 (2 x 3)

特例是，如果小矩阵是 1*1 的，也就是只是一个数字，那么肯定可以通过复制扩展这一个数字，和大矩阵同维度，进而和大矩阵进行基本运算。

A.shape = (2 x 3)  ->  A.shape = (2 x 3)
b.shape = (1)      ->  扩展为 (2 x 3)

但是，在以下例子中，b 无法 broadcasting 后和 A 进行运算

A.shape = (2 x 3)
b.shape = (1 x 2)