! Tableau Boolean Après la sortie

En regardant le code de démonstration
# 创建 DataFrame import pandas as pddf_a = pd.DataFrame(np.arange(12).reshape(3, 4))# 输出 0 1 2 30 0 1 2 31 4 5 6 72 8 9 10 11# 创建 Seriesimport numpy as npseries_b = pd.Series(np.arange(3))# 输出 0 01 12 2dtype: int32

Code

peut glisser à gauche et à droite, vous êtes toujours inconnu?
De cette manière, je viens de commencer à entendre la première réaction: cela plus? Les types de données sont différents, la taille est différente.
Jusqu'à ce que j'ouvre le livre, je me souviens de ce concept: diffusé.
Voir les résultats
df_a > series_b# 输出 0 1 2 30 False False False False1 True True True False2 True True True False Si vous savez pourquoi il y a des résultats, des félicitations, cette partie que vous pouvez sauter directement, croyez-moi, vous êtes le plus NB

Je ne connais pas les camarades de classe, nous devons toujours continuer. Après avoir lu aujourd'hui, vous vous comprenez.

Premièrement, la diffusion

a été mentionnée ci-dessus, également le seul point de connaissance aujourd'hui: la diffusion

La diffusion est une méthode d'application des activités arithmétiques entre différentes formes.

Premièrement, une simple diffusion se produira lorsqueRéseaux scalaires et réseaux intégrés.

Dans la multiplication ci-dessus, la valeur scalaire 4 Vous pouvez également voir une matrice d'une ligne, jouant pour tous les autres facteurs. # 创建数组data_arr1 = np.arange(5)# 输出[0 1 2 3 4]data_arr1 * 5# 输出[ 0 5 10 15 20]

C'est la diffusion la plus simple, alors s'il s'agit d'une matrice transmise?

je ne m'attends pas, je peux calculer et ne pas signaler. Ceci est dû au tableau Data_arr3 diffusé sur l'arbre 0 (nombre gris), jouera une matrice de 1 ligne 3 dans 4 lignes 3 lignes 3, pour pouvoir calculer avec data_arr2

# 创建4行3列的二维数组data_arr2 = np.array([0, 0, 0], [1, 1, 1], [2, 2, 2], [3, 3, 3])# 输出[0 0 0] [1 1 1] [2 2 2] [3 3 3]# 创建一维数组data_arr3 = np.array([1, 2, 3])# 输出[1 2 3]# A + Bdata_arr2 + data_arr3# 输出[1 2 3] [2 3 4] [3 4 5] [4 5 6]

.

OK, si vous voulez savoir quel rôle, Bien sûr, le programme de diffusion ne dit pas que toutes les situations seront diffusées et que les personnes ont également des principes. # 输出数组形状/维度data_arr2.shapedata_arr3.shape# 输出(4, 3)(3,)

Deux, diffusez quoi?

Si la taille de tirage des deux matrices correspond à la longueur de l'axe de l'axe des deux tableaux, il est considéré comme 1, il est considéré comme une diffusion compatible. La diffusion sera faite en taille et en longueur (ou).
phrase nTY est le cœur de comprendre la diffusion, dit honnêtement, non?

Ne comprenez pas, soulevez la tête et voyez la réponse, vous laisserez des larmes débiter!

La diffusion survient principalement dans trois cas:

L'une est la taille des deux matrices, mais le bord de la taille de leur queue est construit

d'autres sont deux tableaux, la taille est la même essieu longue de taille verticale. ou n'importe qui est 1

sur deux types d'adhésifs

1, le premier cas

Deux matrices inchangées, mais leur taille de bord

] prend l'exemple ci-dessus

peut être vu, Data_arr2 (4 3) est à deux voies, Data_arr3 (3,) est une dimension et la taille de deux tableaux non analincés. Dans le même temps, la taille de leur queue est de 3 et une longueur d'essieu de la taille de bord de queue égale.

parfaitement compatible avec notre premier cas, il peut donc être ajouté.

La même vérité, mLe Bennel multidimensionnel suit également le principe de diffusion.

# 创建4行1列的二维数组data_arr4 = np.array([1, 2, 3, 4]).reshape(4, 1)# 输出[1] [2] [3] [4]# 创建1行3列的二维数组data_arr5 = np.array([1, 2, 3])# 输出[1 2 3] Pousser dans cette classe:

(2, 4, 2, 4) et (2, 3, 4) compatibles
(2, 4, 2, 4) et (2, 4) compatibles compatibles

(2, 4, 2, 4) et (4) compatibles
Seul la quantité que l'arbre dont ils ont besoin pour être étendu.
2, le second cas
La taille des deux matrices est identique et la longueur de l'arbre de la taille correspondante est égale ou que quiconque est 1
plus susceptible de comprendre , le même tableau de deux voies, il y a deux cas:
ou la même longueur ou une longueur est 1

Deux matrices sont des matrices à deux voies (4 , 1), (1, 3)

par rapport à notre data_arr2 (4, 3), selon le second cas:

(4, 3) de taille similaire (4, 1), La première longueur de la dimension est la même, la deuxième taille est 1;
(4, 3) avec la même taille (1, 3), la première taille existe avec une longueur de 1, la deuxième taille est la même;

(4, 1) comme (1, 3) Cliquez surDrôle, première taille avec une longueur de 1 et la deuxième dimension est de longueur 1.

Par conséquent, les trois matrices ci-dessus sont compatibles les unes avec les autres.
À ce stade, le deuxième nombre à deux dimensions de groupes jouera sur un nombre d'axes (gris))

] 3, le troisième cas

comprend le premier et le deuxième formulaire de diffusion, le troisième est une combinaison des deux organes.
Vous comprendrez quelques exemples simples: (4, 2, 5) et (1, 5) compatibles. Cependant, le second, deuxième cas (4, 2, 5) et (2, 1) compatible. La même chose n'est pas satisfaite du second, deuxième En savez-vous? Pour la définition de diffusion Si la longueur de l'arbre du bord de la taille de la queue des deux tableaux, il est considéré comme joué compatible avec la longueur des deux matrices. Donc, lorsque nous recevons deux tableaux, nous devons évaluer s'il est compatible ou non, Commencez par le bord de la taille. ou la taille correspondante égale ou la taille correspondante avec une certaine longueur de 1 est 1. Si chaque taille des deux tableaux répond aux exigences, les deux tableaux doivent être compatible. TROISIÈME, Résumé Aujourd'hui indique principalement à un concept: diffusion. Le dernier résumé du texte que je ressens très au bon endroit, je tiens à le lire plusieurs fois. Quand j'ai vu le concept de radiodiffusion, je suppose que la plupart des gens commencent, je veux savoir, les mots savent, je l'ai dit? Donc, j'ai énuméré trois situations pour séparer ce concept, puis-je me souvenir de trois choses? La taille des deux tableaux n'est pas égale, mais leur taille de tirage est similaire à la taille des deux matrices, la longueur d'essieu de la taille correspondante de 1 ci-dessus. Combiné Après avoir regardé ces trois situations, nous sommes retournés à la tête pour voir ce concept, est-ce clair?