本篇内容介绍了“Numpy的广播情况有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
Numpy的广播的三种情况
广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制；即：可扩充较小数组中的元素来适配较大数组的形状，这种机制叫作广播（broadcasting） 广播机制如下，一共三种情况：由于日常应用中最常见的只有一维数组与二维数组，所以就不举三维及以上数组的例子了；这样更容易理解；
1. 有一个数组是一个数字，即可广播；
有一个数组是一个数字，则可以将该数字广播，如下图：
举例如下：
a = np.arange(3) b = 5 print(a+b) # 输出为：[5 6 7]
2. 维度的尾部一致，即可广播；
维度的尾部一致，即可广播；如下图，尾部维度均为3；
举例如下：尾部维度均为4；
a = np.arange(12).reshape(3,4) b= np.arange(4) print(a) # [[ 0 1 2 3] # [ 4 5 6 7] # [ 8 9 10 11]] print(b) # [0 1 2 3] print(a+b) # [[ 0 2 4 6] # [ 4 6 8 10] # [ 8 10 12 14]]
3. 两个数组均为一维数组，一个为行方向，一个为列方向，即可广播；
举例如下：
a = np.arange(3).reshape(3,1) b= np.arange(3) print(a) # [[0] # [1] # [2]] print(b) # [0 1 2] print(a+b) # [[0 1 2] # [1 2 3] # [2 3 4]]