求最优方法：将narray逐元素与矩阵各行相加

嘿，欢迎分享你的第一篇帖子！如果有任何不周到的地方完全不用在意，咱们直接来看你的问题～

你的需求本质是把一维数组的元素和二维矩阵的每一行对应元素相加，用numpy的广播机制是最简洁高效的实现方式，这也是处理这类数值运算的行业通用最佳实践。

方法一：使用numpy广播（推荐） #

numpy会自动处理维度不匹配的数组运算，当你把二维矩阵和一维数组相加时，它会自动将一维数组“扩展”成和矩阵行数一致的二维结构，然后逐元素相加，全程不需要手动写循环。

代码示例：

import numpy as np

# 初始化你的矩阵和一维数组
matrix = np.array([[0, 0, 0, 0], [1, 1, 1, 1], [2, 3, 4, 5], [6, 7, 8, 9]])
narray = np.array([20, 0, 10, 5])

# 直接执行加法，numpy自动处理广播
result = matrix + narray

print(result)

运行后输出的结果就是你期望的：

[[20  0 10  5]
 [21  1 11  6]
 [22  3 14 10]
 [26  7 18 14]]

为什么这是最佳方法？

• 效率极高：numpy的运算都是底层C语言优化的，比纯Python循环快几个数量级，尤其当矩阵规模很大时优势更明显
• 代码简洁：一行加法就完成需求，可读性拉满
• 符合数值计算的行业标准：绝大多数数据科学、数值计算场景都会用numpy处理这类问题

方法二：纯Python列表实现（无numpy依赖） #

如果暂时不想引入numpy，也可以用列表推导式实现，逻辑是遍历矩阵的每一行，再遍历每个元素和一维数组对应位置相加：

matrix = [[0, 0, 0, 0], [1, 1, 1, 1], [2, 3, 4, 5], [6, 7, 8, 9]]
narray = [20, 0, 10, 5]

# 列表推导式逐元素相加
result = [[row[i] + narray[i] for i in range(len(row))] for row in matrix]

print(result)

输出结果同样符合你的期望，但这种方法在矩阵较大时效率会远低于numpy的实现，所以更推荐第一种方案。

内容的提问来源于stack exchange，提问作者user9187374