Python 在numpy中计算广播形状

我了解numpy（熊猫）广播的基本知识，但却被这个简单的例子困住了：

x = np.arange(5) 
y = np.random.uniform(size = (2,5)) 
z = x*y 
print(z.shape) #(2,5) 

---

我对z形的理解是，你有一个

（1,5）

数组乘以

（2,5）

数组，5的尾随维数相等，因此你得到了一个

2x5

数组。好的，听起来不错。我的问题是为什么是

x.shape=（5，）

？它不是一维的吗，所以它真的是1x5

NumPy

1D数组，如

x

无需重塑即可提供

（5，）

等形状。如果要将其视为1列矩阵的形状

1x5

，则执行

np.arange（5）。重塑（1,5）

广播规则如下：

Add leading singleton dimensions as needed to match number of dimensions
Scale any singleton dimensions to match dimension values
Raise error dimensions can't be matched

使用您的

x

和

y

：

(5,) * (2,5)
(1,5) * (2,5)          # add the leading 1
(2,5) * (2,5)          # scale the 1
=> (2,5)

---

如果

y

为（5,2），则会引发错误，因为

（1,5）

不能与

（5,2）

配对。但是

（5,1）

是可以的，因为

（1,5）*（5,1）=>（5,5）

为什么一维数组的格式是（#，）？我想这就是让我讨厌的原因。我习惯于通过比较AxBx格式来查看它，那么它会像这样吗（3，）=3（1,3）=1 x 3（2,3,3）=2 x 3 x 3通常我们将二维阵列形状称为（行、列）。所以

（1,5）

将是一个单行5列，（5,1）是5行1列或一个单列数组。出于广播目的，（5，）被视为与（1,5）相同。在

numpy

中，一维数组实际上只有一个维度，形状是一个单元素元组，例如

（5，）

。当广播

numpy

时，会根据需要添加前导维度，因此会根据需要扩展到（1,5）、（1,1,5）等。不要忘记，在python中，单个元素列表写为

[n]

，单个元素元组写为

（n，）

。数组的形状是元组。