Python 广播

广播描述了算法如何在不同形状的数组之间进行运算。它是一个强大的功能，但可能会导致混淆，即使对于有经验的用户也是如此。最简单的广播示例发生在将标量值与数组组合的时候：

这里我们说标量值4已经被广播给乘法运算中的所有其他元素。

例如，我们可以通过减去列均值来降低数组中的每一列的数值。在这种情况下，它非常简单：

有关此操作的说明，请参见下图。对行进行减均值的广播需要更小心。幸运的是，只要遵循规则，就可以在数组的任何维度上对潜在较低维度值进行广播（例如从二维数组的每一列中减去行均值）。

根据规则，为了从轴1减均值（即从每行减去行平均值），较小的数组的形状必须是（4, 1）：

使用更高维度的数组进行广播可能会更加令人头痛，但这确实是遵循规则的问题。如果不这样做，会得到这样的错误：

想要在轴0以外的轴上使用较低维数组进行算术运算是相当普遍的。根据广播规则，“广播维度”在较小的数组中必须为1。在这里显示的行减均值的例子中，这表示重新塑造行意味着形状是（4,1）而不是（4, ）：

在三维情况下，在三个维度中的任何一个维度上进行广播只是将数据重塑为形状兼容的问题。

因此，一个常见的问题是需要添加一个长度为1的新轴，专门用于广播目的。使用reshape是一种选择，但插入一个轴需要构造一个表示新形状的元组。这通常是一个乏味的练习。因此，NumPy数组提供了一种通过索引插入新轴的特殊语法。使用特殊的np.newaxis属性和“完整”切片来插入新轴：

因此，如果有一个三维数组并想在轴2上减去均值，也就是说需要这样写：

控制算术运算的相同广播规则也适用于通过数组索引设置值。在一个简单的例子中，我们可以做这样的事情：

但是，如果想要将数值的一维数组设置到数组的列中，只要形状是兼容的就可以做到这一点：

高阶数组操作 Python 高阶ufunc用法