Question

tl; dr：我如何预测numpy广播在几个数组中返回的形状，而不必实际添加数组？

我有很多脚本使用numpy（Python）广播规则，因此基本上1D输入会产生多维输出。对于一个基本的例子，理想气体定律（压力= rho * R_d *温度）可能看起来像

def rhoIdeal(pressure,temperature):
    rho = np.zeros_like(pressure + temperature)
    rho += pressure / (287.05 * temperature)
    return rho

这里没有必要，但在更复杂的功能中，初始化具有正确形状的阵列非常有用。如果压力和温度具有相同的形状，则rho也具有该形状。如果压力有形状（n，），温度有形状（m，），我可以打电话

rhoIdeal(pressure[:,np.newaxis], temperature[np.newaxis,:])

获得形状为rho（n，m）。这使得我可以制作具有多个温度值的绘图而无需循环rhoIdeal，同时仍然允许脚本接受相同形状的数组并逐个元素地计算结果。

我的问题是：是否有内置函数可以返回与多个输入兼容的形状？表现得像

的东西

def returnShape(list_of_arrays):
    return np.zeros_like(sum(list_of_arrays)).shape

没有实际需要对数组求和？如果没有内置函数，那么良好的实现会是什么样的呢？

Answer 1

您可以使用np.broadcast。此函数返回一个对象，该对象封装了将两个或多个数组一起广播的结果。没有执行实际操作（例如添加） - 对象只具有一些与通过其他操作生成的数组相同的属性（shape，ndim等）。

例如：

x = np.array([1,2,3])  # shape (3,)
y = x.reshape(3,1)     # shape (3, 1)
z = np.ones((5,1,1))   # shape (5, 1, 1)

然后，您可以通过检查shape属性来检查广播x，y和z返回的数组形状：

>>> np.broadcast(x, y, z).shape
(5, 3, 3)

这意味着您可以按如下方式实现您的功能：

def returnShape(*args):
    return np.broadcast(*args).shape