
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 建立和運算元組
- NumPy - 陣列建立例程
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 遍歷陣列
- NumPy - 陣列重塑
- NumPy - 陣列連線
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列操作
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 複製和檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 搜尋陣列
- NumPy - 陣列並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- Numpy - 載入陣列
- Numpy - 儲存陣列
- NumPy - 將值追加到陣列
- NumPy - 交換陣列的列
- NumPy - 將軸插入陣列
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 填充缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- Numpy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程組
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位數
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy broadcast_to() 函式
Numpy broadcast_to() 函式用於將陣列廣播到新的形狀。它模仿廣播機制,在陣列上建立具有指定形狀的新檢視,而無需實際複製資料。
這對於在不復制資料的情況下使陣列具有相容的形狀以進行運算很有用。
語法
以下是 numpy.broadcast_to 函式的語法:
numpy.broadcast_to(array, shape, subok=False)
引數
以下是 numpy.broadcast_to 函式的引數:
- array: 要廣播的陣列。
- shape(元組): 要廣播到的陣列形狀。
- subok(布林值,可選): 如果此引數為 True,則子類將被傳遞,否則返回的陣列將強制為基類陣列。預設值為 False。
返回值
它返回具有給定形狀的原始陣列的只讀檢視。它將具有一個設定為 True 的只讀屬性。
示例 1
以下是使用 NumPy broadcast_to() 函式將一維陣列廣播到二維形狀的示例。在此示例中,一維陣列 [1, 2, 3] 被廣播到形狀為 (3, 3) 的二維陣列。
import numpy as np # Original array arr = np.array([1, 2, 3]) # Broadcasting to shape (3, 3) broadcasted_arr = np.broadcast_to(arr, (3, 3)) print("Original array:") print(arr) print("\nBroadcasted array:") print(broadcasted_arr)
輸出
Original array: [1 2 3] Broadcasted array: [[1 2 3] [1 2 3] [1 2 3]]
示例 2
我們可以使用 numpy.broadcast_to() 函式將二維陣列廣播到更高維度的形狀。這裡,二維陣列 [[1, 2], [3, 4]] 被廣播到形狀為 (2, 2, 2) 的三維陣列:
import numpy as np # Original 2D array arr = np.array([[1, 2], [3, 4]]) # Broadcasting to shape (2, 2, 2) broadcasted_arr = np.broadcast_to(arr, (2, 2, 2)) print("Original array:") print(arr) print("\nBroadcasted array:") print(broadcasted_arr)
輸出
Original array: [[1 2] [3 4]] Broadcasted array: [[[1 2] [3 4]] [[1 2] [3 4]]]
示例 3
以下示例顯示了 numpy.broadcast_to() 函式如何透過擴充套件其內容而無需複製資料來有效地將給定陣列複製到新形狀:
import numpy as np a = np.arange(4).reshape(1,4) print('The original array:') print(a) print('\n') print('After applying the broadcast_to function:') print(np.broadcast_to(a,(4,4)))
輸出
The original array: [[0 1 2 3]] After applying the broadcast_to function: [[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]
numpy_array_manipulation.htm
廣告