Lähetys
Pyyhkäise näyttääksesi valikon
Ennen kuin siirrytään NumPyn matemaattisiin operaatioihin, on tärkeää ymmärtää keskeinen käsite – broadcasting.
Broadcasting tarkoittaa tapaa sovittaa taulukoiden muodot yhteen aritmeettisia operaatioita varten ilman, että niitä tarvitsee muotoilla uudelleen käsin. Käytännössä broadcasting automaattisesti säätää taulukoiden muodot yhteensopiviksi.
Kun NumPy käsittelee kahta taulukkoa, se tarkistaa niiden muodot yhteensopivuuden varalta määrittääkseen, voidaanko ne broadcastata yhteen.
Jos kahdella taulukolla on jo sama muoto, lähetys ei ole tarpeen.
Sama määrä ulottuvuuksia
Oletetaan, että meillä on kaksi taulukkoa, joille haluamme suorittaa yhteenlaskun, ja niiden muodot ovat: (2, 3) ja (1, 3). NumPy vertaa kahden taulukon muotoja oikeanpuoleisimmasta ulottuvuudesta vasemmalle. Eli ensin verrataan 3 ja 3, sitten 2 ja 1.
Kaksi ulottuvuutta ovat yhteensopivia, jos ne ovat yhtä suuret tai jos toinen niistä on 1:
- Ulottuvuudet 3 ja 3 ovat yhteensopivia, koska ne ovat yhtä suuret;
- Ulottuvuudet 2 ja 1 ovat yhteensopivia, koska toinen niistä on 1.
Koska kaikki ulottuvuudet ovat yhteensopivia, muodot katsotaan yhteensopiviksi. Näin ollen taulukot voidaan lähettää, mikä johtaa tavalliseen yhteenlaskuun matriisien välillä, joilla on sama muoto, ja joka suoritetaan alkiokohtaisesti.
123456789import numpy as np array_1 = np.array([[1, 2, 3], [4, 5, 6]]) print(array_1.shape) # Creating a 2D array with 1 row array_2 = np.array([[11, 12, 13]]) print(array_2.shape) # Broadcasting and element-wise addition result = array_1 + array_2 print(result)
array_2 luodaan 2D-taulukkona, joka sisältää vain yhden rivin, minkä vuoksi sen muoto on (1, 3).
Mutta mitä tapahtuisi, jos loisimme sen 1D-taulukkona, jonka muoto on (3,)?
Eri määrä ulottuvuuksia
Kun yhdellä taulukolla on vähemmän ulottuvuuksia kuin toisella, puuttuvat ulottuvuudet käsitellään ikään kuin niiden koko olisi 1. Esimerkiksi, tarkastellaan kahta taulukkoa, joiden muodot ovat (2, 3) ja (3,). Tässä 3 = 3, ja puuttuva vasemmanpuoleinen ulottuvuus katsotaan olevan 1, joten muoto (3,) muuttuu muotoon (1, 3). Koska muodot (2, 3) ja (1, 3) ovat yhteensopivia, nämä kaksi taulukkoa voidaan broadcastata.
123456789import numpy as np array_1 = np.array([[1, 2, 3], [4, 5, 6]]) print(array_1.shape) # Creating a 1D array array_2 = np.array([11, 12, 13]) print(array_2.shape) # Broadcasting and element-wise addition result = array_1 + array_2 print(result)
Skalaareiden lähetys
Taulukkojen matemaattisten operaatioiden lisäksi voimme suorittaa vastaavia operaatioita myös taulukon ja skalaariarvon (luvun) välillä lähetyksen ansiosta. Tässä tapauksessa taulukolla voi olla mikä tahansa muoto, sillä skalaarilla ei varsinaisesti ole muotoa ja kaikki sen ulottuvuudet katsotaan olevan 1. Näin ollen muodot ovat aina yhteensopivia.
123456import numpy as np array = np.array([[1, 2, 3], [4, 5, 6]]) print(array.shape) # Broadcasting and element-wise addition result = array + 10 print(result)
Yhteensopimattomat muodot
Tarkastellaan myös esimerkkiä yhteensopimattomista muodoista, joissa aritmeettista operaatiota ei voida suorittaa, koska lähetys (broadcasting) ei ole mahdollista:
Meillä on 2x3-taulukko ja yksisuuntainen taulukko, jonka pituus on 2, eli muoto (2,). Puuttuva ulottuvuus katsotaan olevan 1, joten muodot ovat (2, 3) ja (1, 2).
Vasemmalta oikealle: 3 != 2, joten meillä on heti yhteensopimattomat ulottuvuudet, ja siksi yhteensopimattomat muodot. Jos yritämme suorittaa koodin, saamme virheen:
12345678import numpy as np array_1 = np.array([[1, 2, 3], [4, 5, 6]]) print(array_1.shape) array_2 = np.array([11, 12]) print(array_2.shape) # ValueError result = array_1 + array_2 print(result)
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
