“广播”是指 NumPy 在算术运算期间如何处理不同维度的数组。较小的数组在较大的数组中“广播”，但受到一定的限制，以确保它们的形状一致。广播允许您进行矢量化数组操作，允许您在 C 而不是 Python 中循环。”
这是在不需要不必要的数据副本的情况下完成的，从而实现了高效的算法实现。在某些情况下，广播是一个消极的想法，因为它会导致内存利用率的浪费，从而减慢计算速度。
在本文中，我们将向您展示如何使用 python 使用 NumPy 数组进行广播。
步骤1.创建两个维度兼容的数组
步骤2.打印给定的数组
步骤3.对两个数组进行算术运算
第四步.打印结果数组
使用arange()函数创建一个由0到n-1的数字组成的numpy集群（arange()函数返回给定区间内均匀间隔的值。在半开区间[start，stop]内生成值），将某个分散值加到其中。
给定的阵列有一个维度（轴），长度为8，而9是一个没有维度的简单整数。由于它们的维度不同，Numpy尝试沿着某个轴广播（只是拉伸）放大的阵列，故适用于数学攻击。
使用 arange() 函数创建两个从 0 到 n-1 的 NumPy 数组，并使用 reshape() 函数重塑它（重塑数组而不影响其数据）。这两个数组具有兼容的维度 (3,4) 和 (3,1)，并将两个数组的相应元素相加。
givenArray_2 沿第二维扩展以匹配givenArray_1 的维度。由于两个数组的尺寸兼容，这才成为可能。
创建两个维度不兼容的 NumPy 数组 (6, 4) 和 (6, 1)。当我们尝试添加两个数组的相应元素时，它会引发错误，如下所示。
行数为6，列数为4。
无法插入大小为 20 的矩阵（需要大小为 6*4 = 24 的矩阵）。
使用 arange() 函数创建一个多维数组，并使用 reshape() 函数将其重塑为随机数量的行和列。使用 arange() 函数创建另一个线性数组并对这两个数组求和。
给定的线性数据库进行扩展，以匹配给定的数据库1（多维数据库）的维度。由于两个数据库的维度是兼容的，这是可能的。
理解多个数组可以沿多个维度传播是至关重要的。 Array1 的维度为 (6, 5, 4, 2)，而 array2 的维度为 (5, 4, 1)。维度数组是通过沿第三维拉伸 array1 和沿第一维和第二维（6, 5, 4, 2）拉伸 array2 形成的。
Numpy 广播比在磁盘上的循环速度更快。从第一个例子开始。用户可以通过磁盘循环，将相同的数字添加到磁盘上的每个元素，而不是使用广播方法。这种方式很慢，有两个原因：循环需要与Python循环进行交互，这会减慢C实现的速度。相反，NumPy使用步幅是循环。将步幅设置为0您无限循环遍历组件，而不会产生内存开销。
以上是如何使用Python使用动态数组执行Numpy广播？的详细内容。更多信息请关注PHP中文网其他相关文章！
