NumPy中如何实现向量各元素分别对另一向量各元素求幂并解决广播报错

NumPy的所有逐元素运算（包括np.power）都严格遵循广播机制的形状匹配规则。原代码中两个参与运算的数组分别是：

• 待计算幂的向量a，形状为(3,)
• 幂次数组b，形状为(5,)
  两个长度不同的一维数组做对齐时，既没有相等的维度长度，也不存在长度为1的兼容维度，因此无法完成逐元素映射，触发维度不匹配的报错。
  要实现“a中每个元素依次计算b中所有幂次”的矩阵式计算，只需要调整数组形状适配广播规则，无需写手动循环。

核心操作是将原本一维的a转为列向量，让它可以和行方向的幂次数组完成广播，两种等价写法均可：

1. 使用np.newaxis为a增加纵向维度

   import numpy as np
   
   a = np.array([1, 2, 3])
   b = np.array([0, 1, 2, 3, 4])
   # 为a增加列维度，形状从(3,)变为(3, 1)
   c = np.power(a[:, np.newaxis], b)
   

2. 使用reshape调整a的形状，效果完全一致

   # 自动计算行数，将a重塑为3行1列的二维数组
   c = np.power(a.reshape(-1, 1), b)
   

代码执行后得到的数组与预期格式完全匹配：

array([[ 1,  1,  1,  1,  1],
       [ 1,  2,  4,  8, 16],
       [ 1,  3,  9, 27, 81]])

结果每一行对应a中的一个元素，每一列对应该元素计算b中对应位置的幂次值。

广播适配逻辑：形状调整完成后，a是3行1列的列向量，b是长度为5的一维向量。按照广播规则，NumPy会自动把b扩展成1行5列的行向量，两者做逐元素运算时，a的每一行都会和b的所有幂次做一次power计算，最终自然形成3行5列的结果矩阵。

内容的提问来源于stack exchange，提问作者Hamza