"numpy.add(a,b)" 和 "a+b" 有什么区别？

Question

numpy.add(a,b)和a+b在添加两个ndarrays a和b时有什么区别吗？文档说 numpy.add 是 "Equivalent to x1 + x2 in terms of array broadcasting."。但我不明白这意味着什么，因为 numpy.add(numpy.array([1,2,3]),4) 也有效。

Answer 1

我相信 add() 是第一个，图书馆改进并获得了正常的数学运算符。

顺便说一句，我们现在用 Python 3.5 和 numpy 见证了同样的事情，其中矩阵乘法可以由运算符 @ 执行。在此之前，matrix mult of arrays只能通过数组的dot()方法来完成。

广播意味着能够在不同大小的数组之间执行操作，例如将一个数字添加到整个数组。这也适用于数组上的运算符。

向数组添加一个数字只是广播能力的一个小例子。您可以在 Broadcasting 中阅读更多相关信息这是一个非常酷的功能，可以节省内存和编码，但在第一次阅读时并不那么容易理解。

Answer 2

在Python语法中，a+b被翻译成a.__add__(b)。 a.__add__是对a类型的对象实现加法的方法。数字有这样的方法，列表也有（[1,3]+[4]），字符串也有（'abc'+'d'）。

numpy 已为其 ndarray class（至少对于数字 dtypes).

这就是标准 Python 和 numpy，并且一直存在。

np.add 是一个 ufunc。查看它的文档 - 查看 out 参数和 Binary ufuncs: 部分。它是一个函数，并且有一些 reduce、reduceat 等 a.__add__（和 +）没有的方法。

如果你有两个数组或数字，你想把它们相加，自然是用+、a+b。 np.add在某些特殊情况下很有用

例如，比较两个列表会发生什么：

In [16]: [1,2,3]+[4]
Out[16]: [1, 2, 3, 4]     # default list concatenation
In [17]: np.add([1,2,3],[4])
Out[17]: array([5, 6, 7])   # convert lists to arrays and sum

或使用二维广播的示例：

In [19]: np.add([[1],[2],[3]],[4,1])
Out[19]: 
array([[5, 2],
       [6, 3],
       [7, 4]])
In [20]: np.array([1,2,3])[:,None]+np.array([4,1])
Out[20]: 
array([[5, 2],
       [6, 3],
       [7, 4]])

你的例子：

In [21]: numpy.add(numpy.array([1,2,3]),4)
Out[21]: array([5, 6, 7])
In [22]: numpy.array([1,2,3])+4
Out[22]: array([5, 6, 7])

"Equivalent to x1 + x2 in terms of array broadcasting." 意思是，他们都工作并且做同样的事情。

broadcasting是另一个主题。

==================

@ 运算符和 np.matmul 并行并不完全相同。 @ 运算符是最近添加到 Python 解释器中的。它被转换为对 __matmul__ 方法的调用 - 如果已定义。新 numpy 版本有这样的定义。但是该方法没有为 Python 数字或列表定义。还有一个函数版本，np.matmul，引用相同的代码。还有一个 x.dot 和 np.dot 配对，但没有 Python 可识别的运算符或 x.__dot__.

"numpy.add(a,b)" 和 "a+b" 有什么区别？

What's the difference between "numpy.add(a,b)" and "a+b"?

numpy

scipy

array-broadcasting