# -*- coding: utf-8 -*-
import numpy as np
#广播运算： 用于数组的形状（也就是行列数不同时需要进行的计算）
# =============================================================================
#广播规则：
#1.各数组输入的维度可以不相等，但必须保证从左到右的维度值相等；
#2.如果对应维度值不相等，必须保证其中一个为1；
#3.各输入数组都向其shape（行列数）最长的数组看齐，shape中不足的部分都通过在前面加1.
# =============================================================================
#各输入数组的维度一致，对应维度值相等
arr6 = np.arange(12).reshape(3,4)
#print(arr6)
arr7 = np.arange(101,113).reshape(3,4)
#print(arr7)
#print("3*4的二维数组的矩阵运算（对应值相加）:\n",arr6+arr7) #对应位置相运算
#各输入数组维度不一致，对应维度值不相等
arr8 = np.arange(60).reshape(5,4,3) #控制生成5个4行3列的数组
#print(arr8)
arr9 = np.arange(12).reshape(4,3)
print(arr9)
#print("维度不一致但是末尾的维度值一致（数组对应值相加）： \n",arr8+arr9)
arr10 = np.arange(60).reshape(5,4,3)
#print(arr10)
arr11 = np.arange(4).reshape(4,1)
#print("4行1列的数组：\n",arr11) #ndim()方法查看数组的维度是多少，也就是几行几列
#print('维数不一致，纬度值也不一致，但是纬度值至少有一个为1：\n',arr10+arr11)
#在上例是对应列相加，也就是第一列上出现对应位置相加
#加1补齐
arr12 = np.array([5,15,25])
print(arr12)
print('arr12的维度自动补齐为（1，3）: \n',arr12+arr9) #arr12的一行三列数组会与arr9的每一行的对应列相加
