广播机制是Numpy科学计算库里非常重要的概念。运用广播机制可以高效解决不同维度数组数据之间的运算。

一、理解一些基本概念

广播机制就是两个不同形状的数组在运算时，其中一个数组需要扩展为和另一数组后缘维度相同，如果不具备扩展为后缘维度相同的条件，则抛出错误。

后缘维度是指从数组的末尾开始算起的维度
e.g:

image.png

数组运算，需要符合广播原则的才能正常运算

原则：

如果两个数组的维度不同，那么较小维度的数组会在前面补1，直到两个数组的维度相同。

如果两个数组在某个维度上的大小不同，那么其中一个数组在该维度上的大小必须为1。从后缘维度开始逐一往前比较

如果两个数组在所有维度上的大小要么相等，要么其中一个为1，则它们可以进行广播

e.g:
两个数组形状分别为（2，6），（5，6），两个数组后缘维度都为6，但2和5不同且其中任一个都不是1，故无法广播

两个数组形状分别为（2，1），（5，3），两个数组后缘维度不同，但有一个为1，那么继续往前比较，2和5不同且其中任一个都不是1，故无法广播

两个数组形状分别为（2，1），（1，3），两个数组后缘维度不同，但有一个为1，那么继续往前比较，2和1不同且其中有一个是1，故可以广播

二、索引和切片

和python中列表中的索引和切片完全一致的理解
高维数组的索引使用: a[i,x,y]
i,x,y分别是每个轴上对应的下标值,其中切片时，可以使用p:q来取某个轴上的部分

e.g:
二维数组

image.png

取值3时，则a[0,2]
切片a[0:2,1:3] 0轴上切0-1行，1轴上切1-2列

三、广播常用方法函数

1、筛选 numpy.where(codition,x,y)

condition是布尔类型的表达式或者数组
x，condition为真时返回的数组，可选
y，condition为假时返回的数组，可选
根据条件，where()最后返回索引的数组或者x或者y组成的数组
e.g:

a = np.arange(12)
n = np.where(a>3)

n返回的是数组a元素大于3的索引值组成的数组

也可以用作数据替换清洗

a = np.arange(12)
n = np.where(a>3,10,0)

2、检查 numpy.any() /numpy.all()

any() 检查数组中是否至少有一个TRUE
all() 检查数组中是否全部为TRUE

a = np.array([0,1,0])

print(a.any())
print(np.any(a))
print(np.all(a))
print(np.any(a == 1))

3、排序sorted()/sort()/argsort()

sorted() 是公共库里的函数，直接传数组对象进行排序，返回新数组
xx.sort() 是数组对象的方法，直接对原数组排序

a = np.array([0,1,0])
b = sorted(a)  #函数返回新数组
a.sort()  #直接在原数组进行排序

numpy.argsort(a, axis=-1, kind='quicksort', order=None)

argsort()函数返回的是数组元素排序后的索引，而不是排序后的数组本身

numpy.argsort(a, axis=-1, kind='quicksort', order=None)
# a:要排序的数组
# axis :指定沿着哪个轴进行排序。默认是-1，表示对最后一个轴进行排序。
# kind :排序算法的选择，可以是'quicksor'、'mergesort'或'heapsort'。默认是'quicksort.kind 
# order:如果a是结构体数组，该参数指定按哪个字段进行排序。

e.g:

a = np.array([0,1,0])
b = np.argsort(a)
print(b) #b为排序后索引组成的数组

4、去重unique

a = np.array([0,1,0])
print(np.unique(a))

5、包含 isin

numpy.isin(element, test elements, assume unique=False, invert=False)