如何使用Python使用動態陣列執行Numpy廣播？

“廣播”是指NumPy 在算術運算時如何處理不同維度的數組。較小的數組在較大的數組中“廣播”，但受到一定的限制，以確保它們的形狀是一致的。廣播允許您對數組操作進行矢量化，從而允許您在 C 而不是 Python 中循環。」

這是在不需要不必要的資料副本的情況下完成的，從而實現高效的演算法實作。在某些情況下，廣播是一個消極的想法，因為它會導致記憶體利用率的浪費，從而減慢計算速度。

在本文中，我們將向您展示如何使用 python 使用 NumPy 陣列執行廣播。

在給定資料庫上執行廣播的步驟-

• 步驟 1. 建立兩個維度相容的陣列

• #步驟 2. 列印給定的陣列

• #步驟3.對兩個陣列進行算術運算

• #步驟 4. 列印結果陣列

新增兩個不同維度的資料庫

使用arange()函數建立一個由0到n-1的數字組成的numpy數組（arange()函數傳回在給定區間內均勻間隔的值。在半開區間[start，stop]內產生值），把某個平凡值加到其中。

輸出

給定的陣列有一個維度（軸），長度為8，而9是一個沒有維度的簡單整數。由於它們的維度不同，Numpy嘗試沿著某個軸廣播（只是拉伸）放大的備份，設定適用於數學攻擊。

將具有相容維度的多個陣列相加

使用 arange() 函數建立兩個從 0 到 n-1 的 NumPy 數組，並使用 reshape() 函數重塑它（重塑數組而不影響其資料）。這兩個數組具有相容的維度 (3,4) 和 (3,1)，並將兩個數組的相應元素相加。

輸出

給定數組_2 沿著第二個維度擴展以匹配給定數組_1 的維度。由於兩個數組的維度相容，因此這成為可能。

將具有不相容的多個陣列需求和

建立兩個維度不相容的 NumPy 陣列 (6, 4) 和 (6, 1)。當我們嘗試新增兩個陣列的相應元素時，它會引發錯誤，如下所示。

輸出

行數為6，列數為4。

它不能插入到大小為20的矩陣中（它需要大小為6*4 = 24的矩陣）。

對 Numpy 多維數組和線性數組求和

使用 arange() 函數建立一個多維數組，並使用 reshape() 函數將其重塑為隨機數量的行和列。使用 arange() 函數建立另一個線性數組並對這兩個數組求和。

範例1

輸出

給定的線性陣列進行擴展以適應給定的陣列1（多維陣列）的維度。由於兩個陣列的陣列是相容的，這是可能的。

範例2

輸出

理解多個數組可以沿著多個維度傳播是至關重要的。 Array1 的維度為 (6, 5, 4, 2)，而 array2 的維度為 (5, 4, 1)。維度數組是透過沿著第三維拉伸 array1 和沿著第一維和第二維 (6, 5, 4, 2) 拉伸 array2 形成的。

結論

Numpy廣播比在陣列上循環更快。從第一個範例開始。使用者可以透過循環遍歷陣列，將相同的數字添加到陣列中的每個元素，而不是使用廣播方法。這種方式之那麼慢，有兩個原因：循環需要與Python循環進行交互，這會減慢C實現的速度。其次，NumPy使用步幅不是循環。將步幅設置為0允許您無限循環遍歷組件，而不是循環會產生記憶體開銷。

以上是如何使用Python使用動態陣列執行Numpy廣播？的詳細內容。更多資訊請關注PHP中文網其他相關文章！