Numpy 数组广播规则

我在理解 Numpy 中数组广播的规则时遇到一些困难。

显然，如果对两个具有相同维度和形状的数组执行逐元素乘法，一切都很好。另外，如果将多维数组乘以标量，它就会起作用。这我明白了。

但是如果你有两个 N 维数组不同的形状，我不清楚广播规则到底是什么。这文档/教程 http://www.scipy.org/EricsBroadcastingDoc解释说：为了广播，大小拖尾轴因为一次操作中的两个数组必须具有相同的大小，或者其中之一必须为 1。

好吧，所以我假设拖尾轴他们指的是N in a M x N大批。那么，这意味着如果我尝试将两个二维数组（矩阵）与相同数量的列相乘，它应该可以工作吗？除非它不...

>>> from numpy import *
>>> A = array([[1,2],[3,4]])
>>> B = array([[2,3],[4,6],[6,9],[8,12]])
>>> print(A)
[[1 2]
 [3 4]]
>>> print(B)
[[ 2  3]
 [ 4  6]
 [ 6  9]
 [ 8 12]]
>>> 
>>> A * B
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: shape mismatch: objects cannot be broadcast to a single shape

既然两者A and B有两列，我本以为这会起作用。所以，我可能误解了术语“尾随轴”以及它如何应用于 N 维数组。

有人可以解释为什么我的例子不起作用，以及“尾随轴”是什么意思？

好吧，链接的文档页面上解释了尾随轴的含义。 如果您有两个具有不同维度数的数组，请说一个1x2x3和别的2x3，那么您仅比较尾部公共维度，在本例中2x3。但是，如果两个数组都是二维的，那么它们相应的大小必须相等，或者其中一个必须是1。数组大小的维度1称为奇异的，数组可以沿着它们广播。

在你的情况下，你有一个2x2 and 4x2 and 4 != 2也没有4 or 2 equals 1，所以这不起作用。