2 Python的 * 和 NumPy的廣播
幾天前,一個小夥伴問:Python的 * 和廣播機制是一回事嗎?它們相似,但實則不同!
1) 先了解下python中的 list * 標量,結果是複製對應的元素,如下所示:
a = [3,8,10]
print(a*3)
[3, 8, 10, 3, 8, 10, 3, 8, 10]
a = [[1,3,2],[6,4,3]]
print(a*2)
[[1, 3, 2], [6, 4, 3], [1, 3, 2], [6, 4, 3]]
list * 標量等於按元素或按行的複製。
2) NumPy 的廣播機制,先看一個例子,如下:
x = np.arange(4)
xx = x.reshape(4,1)
print(xx)
y = np.ones(5)
print(y)
print(xx + y)
xx: array([ [0], [1], [2], [3] ])
y : array([ 1, 1, 1, 1, 1 ])
xx + y : array(array([[ 1., 1., 1., 1., 1.],
[ 2., 2., 2., 2., 2.],
[ 3., 3., 3., 3., 3.],
[ 4., 4., 4., 4., 4.]]) )
上面的例子,xx 的 shape是(4,1),y的 shape(5,),NumPy支持的這類操作,被稱為廣播機制。
3 NumPy廣播 通用規則
注意,不是任意形狀間的ndarray都能做廣播,必須滿足一定的約束條件。對兩個NumPy的 ndarray 進行操作時,NumPy 會比較形狀,開始於最靠後的維度(如5*4*6,最靠後的維度長度是6)。當以下情形出現時,維度是兼容的:
1) 相等
data_2d = np.arange(20).reshape(5,4) # 5 * 4
data_1d = np.array([1,2,3,4]) # 4
print(data_2d * data_1d) # 5 * 4
array([[ 0, 2, 6, 12],
[ 4, 10, 18, 28],
[ 8, 18, 30, 44],
[12, 26, 42, 60],
[16, 34, 54, 76]])
2) 其中一個長度為 1
data_3d = np.arange(20).reshape(5,2,2) # 5 * 2 * 2
data_1d = np.array([3]) # 1
print(data_3d * data_1d) # 5 * 2 * 2
[[[ 0 3]
[ 6 9]]
[[12 15]
[18 21]]
[[24 27]
[30 33]]
[[36 39]
[42 45]]
[[48 51]
[54 57]]]
可以看到,廣播是按照右對齊的方式,其中長度為1的維度被自動廣播。
4 NumPy廣播 好處
先看一個例子。一個ndarray和一個標量相乘,這是廣播機制:
a = np.array([1, 2, 3])
b = 2
print(a * b)
array([2, 4, 6])
如果我們不按照廣播機制,我們可以這樣寫:
a = np.array([1, 2, 3])
b = np.array([2, 2, 2])
print(a * b)
array([2, 4, 6])
標量值 b 在計算時被伸展為 與 a 一樣的形狀,伸展後 b 的每一個元素都是原來標量值的複製。實際上,NumPy 並不需要真的複製這些標量值,所以廣播運算在內存和計算效率上更高效。
閱讀更多 Python與算法社區 的文章