Broadcasting, NumPy’nin aritmetik işlemler sırasında farklı shape’e sahip dizileri işleme yeteneğini ifade eder. Dizilerdeki aritmetik işlemler genellikle ilgili elemanlarda yapılır. Bu bölümde basit örneklerle broadcasting kavramı anlatılacaktır.
İki dizi tamamen aynı şekilde ise, bu işlemler sorunsuz bir şekilde gerçekleştirilir. Örneğin,
|
1 2 3 4 5 6 |
import numpy as np a = np.array([1,2,3,4]) b = np.array([10,20,30,40]) c = a * b print(c) |
|
1 |
[ 10 40 90 160] |
İki dizinin boyutları birbirinden farklıysa, işlemin nasıl olacağı sorunu ortaya çıkar. Numpy, bunun için broadcasting özelliği vardır, yani benzer olmayan shape’e sahip dizileri üzerinde işlemler yapabilir. Basit bir örnekle görelim.
|
1 2 3 4 5 6 |
a = np.array([[0.0,0.0,0.0],[10.0,10.0,10.0],[20.0,20.0,20.0],[30.0,30.0,30.0]]) b = np.array([1.0,2.0,3.0]) print('a: ', a) print('b: ', b) print('a + b: ', a + b) |
|
1 2 3 4 5 6 7 8 9 |
a: [[ 0. 0. 0.] [10. 10. 10.] [20. 20. 20.] [30. 30. 30.]] b: [1. 2. 3.] a + b: [[ 1. 2. 3.] [11. 12. 13.] [21. 22. 23.] [31. 32. 33.]] |
Burada b broadcasting yaparak a’ya uyum sağlamıştır. Şekil olarak:
