原生的 Python 和带广播的 Numpy

利用 Python 原生的功能，创建一个二维的 list，变量名称为 x ，其 shape 为 (3,1)

现在我想把它扩展为 （3，4）的二维 list, 并且每列都为 [3, 1, 4]，如下所示：

 

利用 list 的 [] * 4 便可扩展成上面的二维形式

 

同理，创建一个二维 list ,  变量名称为 y, 其 shape 为 (1, 4)

 

然后，扩展为 (3,4) 的二维 list

 

好了，现在二维 list 变量 x, y， shape 变为一样了。

接下来，分别比较它们各自的对应元素，如果 x[i][j] < y[i][j] ，则选择 x[i][j] ，并加 1, 否则，选择 y[i][j], 并减 1，并返回一个对应维度的二维 list. 

实现以上功能，还得至少需要以下 3 行代码，返回结果 result

 

综上，大概一共需要 7，8 行代码得到想要的结果

如果使用 Numpy 中的函数，可能只需要 1 行，

 

np.where 第一个参数，意义为判断条件，官方的解释如下，x , y 和 condition 需要是可广播的，并最终传播为某种 shape.

 

之所以，从文章开头到后面大部分篇幅，都在使用 Python 原生的功能实现与 Numpy 同样的效果，就是为了更好的说明 Numpy 的传播机制。

通过对比，或许更容易明白 Numpy 的传播机制。希望效果真如此吧！