如何在NumPy中绕过默认广播规则实现数组高效对应维度求和？

给定两个NumPy数组：

• x 是n维数组（n≥1，编译时维度未知）
• y 是一维数组，且x的第一维维度与y的维度完全匹配

需要实现与以下for循环等价的逻辑，但避免使用循环（提升可读性和效率）：

import numpy as np

x = np.random.randn(5, 100, 10)
y = np.random.randn(5)

s = np.empty_like(x)
for i in range(x.shape[0]):
    s[i] = x[i] + y[i]

直接执行x + y会因NumPy广播规则限制报错或得到非预期结果，已有的两种实现方式：

# 方法1：转置后相加再转置，通用性有限
s1 = (x.T + y).T
# 方法2：手动扩展y的维度，通用但写法冗长
s2 = x + y[(slice(0, y.shape[0]),) + (np.newaxis,)*(x.ndim-1)]

希望找到更优或通用的替代实现方式。

更优/通用的解决方案 #

1. 使用np.broadcast_to显式广播 #

直接将y广播为与x完全相同的形状，再执行加法，可读性极强：

s3 = x + np.broadcast_to(y, x.shape)

np.broadcast_to不会额外复制数据，只是创建共享原数据的视图，效率很高，且适用于任意维度的x。

2. 用reshape简化维度扩展 #

通过reshape给y添加足够的单维度，让NumPy的广播规则自动生效，写法比s2简洁：

s4 = x + y.reshape(-1, *([1]*(x.ndim-1)))

-1表示自动匹配y的原有维度长度，*([1]*(x.ndim-1))会生成对应数量的单维度，比如x是3维时，会给y添加两个单维度，变成(5,1,1)，从而能和x广播相加。

3. 用None简化索引式维度扩展 #

将s2中的冗余写法替换为更简洁的slice(None)（等价于冒号:）和None（与np.newaxis作用一致）：

s5 = x + y[(slice(None),) + (None,)*(x.ndim-1)]

该写法同样适用于任意维度的x，代码更紧凑。

4. 使用np.expand_dims扩展维度 #

np.expand_dims可以指定要扩展的维度位置，直接在y的第1到第n-1维添加单维度：

s6 = x + np.expand_dims(y, tuple(range(1, x.ndim)))

比如x是3维时，range(1,3)会给y在第1、2维添加单维度，变成(5,1,1)，实现广播相加。

内容的提问来源于stack exchange，提问作者Pollo