Question

我最近遇到了以numpy广播的问题。

y = randn(100)
x = randn(100,1)
(y+x).shape
> 100,100

虽然我意识到这是根据https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html的规则，但它似乎与人们期望的结果相反 - 结果是（100,1）向量。

我只是想知道 - 这种行为是否有充分的理由（即这是行为可取的） - 或者它只是广播规则定义方式的副产品。

Answer 1

基本思想是当一个或另一个数组需要迭代以使结果形状有意义时，然后迭代地对主轴的每个条目执行操作（另外，NumPy提供了使迭代发生的方法。如果需要，可以使用不同的轴，例如使用einsum）。

在这种情况下，x沿其长轴有100个不同的东西，每个东西都单独添加到y。我们只取第一个值x[0]并将其添加到y。现在，我们正在讨论y有100个迭代添加到x[0]的内容，因此结果是y形状。对x[1]重复此操作，依此类推。

如果您执行x.T，那么沿着x的主轴只有一件事，即长度为100＆＃34;行＆＃34;。因此，它可以在没有修改的情况下以元素方式添加到y，因此不需要再进行广播，并且您可以获得“天真的”＃34;你可能想过的矢量数学运算。

NumPy的广播规则试图在大量可能的计算和操作中对编程和迭代有效，许多与线性代数或公共向量/矩阵运算完全无关。因此，广播并不总是（并且不应该总是）假设某些东西，以便为线性代数赋予期望特权。