numpy - "numpy.add(a,b)"和 "a+b"有什么区别？

Question

numpy.add(a,b)有什么区别吗和 a+b添加两个 ndarray a 和 b 时？
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

在 Python 语法中，a+b翻译成 a.__add__(b) . a.__add__是一种为 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] )和字符串( 'abc'+'d' )。
numpy已实现 __add__ (和其他标准 __... 方法)为其 ndarray类(至少对于数字 dtypes )。

这就是所有标准 Python 和 numpy并且永远存在。
np.add是 ufunc .查看它的文档 - 参见 out参数，以及 Binary ufuncs:部分。它是一个函数，有一些方法，如 reduce , reduceat等 a.__add__ (和 + )没有。

如果你有两个数组或数字并且你想对它们求和，自然的做法是使用 + , 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 2d 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]])

还有你的例子:

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])

“就阵列广播而言，相当于 x1 + x2。”意味着，他们都工作并做同样的事情。
broadcasting是另一个主题。

==================
@运算符和 np.matmul平行并不完全相同。 @运算符是 Python 解释器的最新成员。它被转换为对 __matmul__ 的调用。方法 - 如果定义。新品 numpy版本有这样的定义。但是该方法不是为 Python 数字或列表定义的。还有一个功能版本， np.matmul ，引用相同的代码。还有一个 x.dot和 np.dot配对，但没有 Python 识别的运算符或 x.__dot__ .