Bagaimana untuk melaksanakan siaran Numpy dengan tatasusunan dinamik menggunakan Python?

"Penyiaran" merujuk kepada cara NumPy mengendalikan tatasusunan dimensi berbeza semasa operasi aritmetik. Tatasusunan yang lebih kecil adalah "siaran" merentasi tatasusunan yang lebih besar, tertakluk pada had tertentu, untuk memastikan bentuknya konsisten. Penyiaran membolehkan anda membuat vektor operasi tatasusunan, membolehkan anda menggelung dalam C dan bukannya Python."

Ini dicapai tanpa memerlukan salinan data yang tidak diperlukan, menghasilkan pelaksanaan algoritma yang cekap. Dalam sesetengah kes, penyiaran adalah idea yang negatif kerana ia mengakibatkan penggunaan memori yang membazir, yang melambatkan pengiraan.

Dalam artikel ini, kami akan menunjukkan kepada anda cara melakukan penyiaran dengan tatasusunan NumPy menggunakan python.

在给定数组上执行广播的步骤-

• Langkah 1. Buat dua tatasusunan dimensi yang serasi

• Langkah 2. Cetak tatasusunan yang diberi

• Langkah 3. Lakukan operasi aritmetik dengan dua tatasusunan

• Langkah 4. Cetak susunan hasil

添加两个不同维度的数组

使用arange()函数创建一个由0到n-1的数字组成的numpy数组（arange()函数返回在给定区量半开区间[mula，berhenti]内生成值），并将某个常数值加到其中。

Contoh

import numpy as np
# Getting list of numbers from 0 to 7
givenArray = np.arange(8)

# Adding a number to the numpy array 
result_array = givenArray + 9
print("The input array",givenArray)
print("Result array after adding 9 to the input array",result_array)

输出

The input array [0 1 2 3 4 5 6 7]
Result array after adding 9 to the input array [ 9 10 11 12 13 14 15 16] 

给定的数组有一个维度（轴），长度为8，而9是一个没有维度的简单整数的简单整数。由为。由为。由为尝试沿着某个轴广播（只是拉伸）较小的数组，使其适用于数学运算。

将具有兼容维度的两个数组相加

Mencipta dua tatasusunan NumPy daripada 0 hingga n-1 menggunakan fungsi arange() dan membentuknya semula dengan fungsi reshape()(membentuk semula tatasusunan tanpa menjejaskan datanya). Kedua-dua tatasusunan adalah dengan dimensi yang serasi (3,4) dan (3,1) dan menambah elemen yang sepadan bagi kedua-dua tatasusunan.

Contoh

import numpy as np
# Getting the list of numbers from 0 to 11 and reshaping it to 3 rows and 4 columns
givenArray_1 = np.arange(12).reshape(3, 4)

# Printing the shape(rowsize, columnsize) of array
print("The shape of Array_1 = ", givenArray_1.shape)
 
# Getting list of numbers from 0 to 2 and reshaping it to 3 rows and 1 columns
givenArray_2 = np.arange(3).reshape(3, 1)
print("The shape of Array_2 = ", givenArray_2.shape)

# Summing both the arrays
print("Input array 1 \n",givenArray_1)
print("Input array 2 \n",givenArray_2)
print("Summing both the arrays:")
print(givenArray_1 + givenArray_2)

输出

The shape of Array_1 =  (3, 4)
The shape of Array_2 =  (3, 1)
Input array 1 
 [[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11] ]
Input array 2 
 [[0]
  [1]
  [2]]
Summing both the arrays:
[[ 0  1  2  3]
 [ 5  6  7  8]
 [10 11 12 13]]

Array_2 yang diberikan dikembangkan di sepanjang dimensi kedua untuk dipadankan dengan dimensi Array_1 yang diberikan. Memandangkan dimensi kedua-dua tatasusunan adalah serasi, ini boleh dibuat.

将具有不兼容维度的两个数组求和

Mencipta dua tatasusunan NumPy dengan dimensi TIDAK SESUAI (6, 4) dan (6, 1). Apabila kita cuba menambah elemen yang sepadan bagi kedua-dua tatasusunan ia menimbulkan RALAT seperti yang ditunjukkan di bawah.

Contoh

import numpy as np
# Getting a list of numbers from 0 to 11 and reshaping it to 3 rows and 4 columns
givenArray_1 = np.arange(20).reshape(6, 4)

# Printing the shape(rowsize, columnsize) of array
print("The shape of Array_1 = ", givenArray_1.shape)
 
# Getting list of numbers from 0 to 5 and reshaping it to 3 rows and 1 columns
givenArray_2 = np.arange(6).reshape(6, 1)
print("The shape of Array_2 = ", givenArray_2.shape)

# Summing both the arrays
print("Summing both the arrays:")
print(givenArray_1 + givenArray_2)

输出

Traceback (most recent call last):
  File "main.py", line 3, in 
    givenArray_1 = np.arange(20).reshape(6, 4)
ValueError: cannot reshape array of size 20 into shape (6,4)

行数为6，列数为4。

Ia tidak boleh dimasukkan dalam matriks saiz 20 (ia memerlukan matriks saiz 6*4 = 24).

Menjumlahkan Tatasusunan Berbilang Dimensi Numpy dan Tatasusunan Linear

Buat tatasusunan berbilang dimensi menggunakan fungsi arange() dan bentuk semula kepada beberapa nombor rawak baris dan lajur menggunakan fungsi reshape(). Cipta Satu lagi tatasusunan linear menggunakan fungsi arange() dan jumlahkan kedua-dua tatasusunan ini.

Contoh 1

import numpy as np
# Getting list of numbers from 0 to 14 and reshaping it to 5 rows and 3 columns
givenArray_1 = np.arange(15).reshape(5, 3)

# Printing the shape(rowsize, columnsize) of array
print("The shape of Array_1 = ", givenArray_1.shape)
 
# Getting list of numbers from 0 to 2
givenArray_2 = np.arange(3)
print("The shape of Array_2 = ", givenArray_2.shape)

# Summing both the arrays
print("Array 1 \n",givenArray_1)
print("Array 2 \n",givenArray_2)
print("Summing both the arrays: \n",givenArray_1 + givenArray_2)

输出

The shape of Array_1 =  (5, 3)
The shape of Array_2 =  (3,)
Array 1 
 [[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]
  [ 9 10 11]
  [12 13 14]]
Array 2 
 [0 1 2]
Summing both the arrays: 
 [[ 0  2  4]
  [ 3  5  7]
  [ 6  8 10]
  [ 9 11 13]
  [12 14 16]]
 

给定的线性数组被扩展以匹配给定数组1（多维数组）的维度。由于两个数的维度。由于两个数的维度。由于两个数的维度。是可能的。

Contoh 2

import numpy as np
givenArray_1 = np.arange(240).reshape(6, 5, 4, 2)
print("The shape of Array_1: ", givenArray_1.shape)
 
givenArray_2 = np.arange(20).reshape(5, 4, 1)
print("The shape of Array_2: ", givenArray_2.shape)
 
# Summing both the arrays and printing the shape of it
print("Summing both the arrays and printing the shape of it:")
print((givenArray_1 + givenArray_2).shape)

输出

The shape of Array_1:  (6, 5, 4, 2)
The shape of Array_2:  (5, 4, 1)
Summing both the arrays and printing the shape of it:
(6, 5, 4, 2)

Adalah penting untuk memahami bahawa berbilang tatasusunan boleh disebarkan sepanjang beberapa dimensi. Array1 mempunyai dimensi (6, 5, 4, 2), manakala tatasusunan2 mempunyai dimensi (5, 4, 1). Tatasusunan dimensi dibentuk dengan meregangkan tatasusunan1 di sepanjang dimensi ketiga dan tatasusunan2 di sepanjang dimensi pertama dan kedua(6, 5, 4, 2).

结论

Numpy广播比在数组上循环更快。从第一个示例开始。用户可以通过循环遍盆的时小加到数组中的每个元素，而不是使用广播方法。这种方式之所以慢|将步幅设置为0允许您无限循环遍历组件，而不会产生内存开销。

Atas ialah kandungan terperinci Bagaimana untuk melaksanakan siaran Numpy dengan tatasusunan dinamik menggunakan Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!