广播是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状，则这些操作被无缝执行。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
示例 1
import numpy as np
a = np.array([1,2,3,4])
b = np.array([10,20,30,40])
c = a * b
print c
输出如下：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
[10 40 90 160]
如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。 较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
如果满足以下规则，可以进行广播：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
ndim较小的数组会在前面追加一个长度为 1 的维度。- 输出数组的每个维度的大小是输入数组该维度大小的最大值。
- 如果输入在每个维度中的大小与输出大小匹配，或其值正好为 1，则在计算中可它。
- 如果输入的某个维度大小为 1，则该维度中的第一个数据元素将用于该维度的所有计算。
如果上述规则产生有效结果，并且满足以下条件之一，那么数组被称为可广播的。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
- 数组拥有相同形状。
- 数组拥有相同的维数，每个维度拥有相同长度，或者长度为 1。
- 数组拥有极少的维度，可以在其前面追加长度为 1 的维度，使上述条件成立。
下面的例称展示了广播的示例。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
示例 2
import numpy as np
a = np.array([[0.0,0.0,0.0],[10.0,10.0,10.0],[20.0,20.0,20.0],[30.0,30.0,30.0]])
b = np.array([1.0,2.0,3.0])
print '第一个数组：'
print a
print '\n'
print '第二个数组：'
print b
print '\n'
print '第一个数组加第二个数组：'
print a + b
输出如下：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
第一个数组：
[[ 0. 0. 0.]
[ 10. 10. 10.]
[ 20. 20. 20.]
[ 30. 30. 30.]]
第二个数组：
[ 1. 2. 3.]
第一个数组加第二个数组：
[[ 1. 2. 3.]
[ 11. 12. 13.]
[ 21. 22. 23.]
[ 31. 32. 33.]]
下面的图片展示了数组b如何通过广播来与数组a兼容。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5881.html