Numpy矩阵相减疑问：10×1向量与10×20矩阵可执行减法的原因及含义

核心逻辑：Numpy广播机制 #

Numpy内置的广播（Broadcasting）机制允许不同形状的数组执行数值运算，运算前会自动对维度较小的数组做逻辑扩展，不需要额外复制数据就能完成维度匹配，大幅提升运算效率。

两种写法的差异原因 #

你最开始定义的v = [1,2,3,4,1,2,3,4,1,2]转换为Numpy数组后，默认形状是1维的(10,)，和形状为(10,20)的2维矩阵X做减法时，会触发广播的维度匹配规则：从最后一个维度开始逐一校验兼容性，(10,)的最后一维长度是10，X的最后一维长度是20，两者互不相等也不为1，匹配失败直接报错。
当你执行v.reshape((10,1))后，v的形状变为2维的(10,1)，此时和(10,20)的X做维度匹配：

• 第一维两者长度均为10，匹配成功
• 第二维v的长度为1，符合广播规则中「长度为1的维度自动扩展到和另一数组对应维度相同长度」的要求，因此可以正常执行运算。

运算结果的含义 #

最终得到的运算结果仍为10×20的矩阵，结果中第i行第j列的数值等于X[i,j] - v[i,0]，等价于X矩阵的每一行所有元素，都减去v向量中对应行位置的元素。

可以参考以下小实例验证效果：

import numpy as np
# 初始化参数
v = np.array([1,2,3,4,1,2,3,4,1,2]).reshape((10,1))
X = np.ones((10,20), dtype=int) # 生成元素全为1的10×20矩阵
# 执行减法
result = X - v
# 验证结果：第0行全为 1-1=0，第1行全为1-2=-1，第2行全为1-3=-2，以此类推
print(result[0]) # 输出全0的长度为20的数组
print(result[1]) # 输出全-1的长度为20的数组

内容的提问来源于stack exchange，提问作者Hermi