Numpy verfügt über eine Funktion, die beim Ausführen von Operationen zwischen Matrizen mit unterschiedlichen Dimensionen automatisch in die entsprechende Form konvertiert wird. Diese Funktion wird als Broadcast bezeichnet. Ich denke, es ist schneller, es zu sehen, also schreibe ich es unten.
A = np.array([1, 2, 3, 4, 5])
print(f'{"="*20}A')
print(A)
print(f'{"="*20}A-1')
# (1, 5)Matrix- und Skalarwertberechnung
print(A - 1)
====================A
[1 2 3 4 5]
====================A-1
[0 1 2 3 4]
Numpy passt die Bemaßungen automatisch an, wenn Operationen an Matrizen mit unterschiedlichen Bemaßungen ausgeführt werden. Zum Beispiel erweitert die Operation $ (m, n) + (1, n) $ $ (1, n) $ und konvertiert sie in $ (m, n) $.
A = np.array([
[1, 2, 3, 4, 5],
[6, 7, 8, 9, 10]])
B = np.array([1, 2, 3, 4, 5])
print(f'{"="*20}A')
print(A)
print(f'{"="*20}B')
print(B)
print(f'{"="*20}A - B')
print(A - B)
====================A
[[ 1 2 3 4 5]
[ 6 7 8 9 10]]
====================B
[1 2 3 4 5]
====================A - B
[[0 0 0 0 0]
[5 5 5 5 5]]
Recommended Posts