跳轉至
第 4 章 · NumPy

4.4 向量化與 broadcasting

⏱️ 25 分鐘 📖 互動式 🎯 資料分析

🎯 學習目標

  • 理解 broadcasting 規則
  • 寫出高效的向量化運算

🌊 什麼是 broadcasting

不同形狀的陣列自動擴展做運算。

import numpy as np

a = np.array([1, 2, 3])
b = 10                # 純量
print(a + b)          # [11, 12, 13]  ← 自動擴展

c = np.array([10, 20, 30])
print(a + c)          # [11, 22, 33]  ← 元素對元素

📏 規則

  1. 如果兩個陣列維度數不同,小的補 1 在左邊
  2. 如果形狀不相等,會在 size 1 的維度擴展
  3. 如果還是不合,broadcasting 失敗
# 範例 1: (3,) + (1,) → (3,)
a = np.array([1, 2, 3])
b = np.array([10])
print(a + b)    # [11, 12, 13]

# 範例 2: (3, 1) + (1, 4) → (3, 4)
a = np.array([[1], [2], [3]])      # 3x1
b = np.array([[10, 20, 30, 40]])   # 1x4
print(a + b)
# [[11, 21, 31, 41],
#  [12, 22, 32, 42],
#  [13, 23, 33, 43]]

💡 為什麼好用

# 不用 for 迴圈
prices = np.array([100, 200, 300])
discounts = np.array([[0.9], [0.8], [0.7]])   # 3x1
final = prices * discounts                     # 3x3

✏️ 練習題

  1. 算陣列 [[1,2,3], [4,5,6]] 加 10 的結果
  2. (3,1) + (1,4) broadcasting 後形狀
  3. 用 broadcasting 算 5 個產品 3 種稅率的價格