numpy中对于axis的理解

最新推荐文章于 2024-04-18 16:10:35 发布

原创

最新推荐文章于 2024-04-18 16:10:35 发布 · 1.2k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #机器学习 #python #矩阵 #深度学习

本文深入解析NumPy中的轴概念，对比数学物理维度，阐述如何通过axis参数实现数组的行、列求和、排序和argsort等操作，适用于高级numpy数组处理。

写在前面

我们知道axis这个东西经常出现在numpy的sum、argsort等一系列有关于数组的操作中，numpy中的轴axis是很重要的，许多numpy的操作根据axis的取值不同，作出的操作也不相同。可以说，axis让numpy的多维数组变的更加灵活，但也让numpy变得越发难以理解。因此，弄清楚axis的作用显得尤为重要。作为一个很基本同时很重要的概念，博主觉得很有必要详细深入了解一下这一名词。
下面把博主的一些发现分享给大家。

简单了解axis

axis 中文翻译指“轴”、“枢轴”。我们可以看一下英文官网的解释:

关于axis

NumPy 的主要对象是同构多维数组。它是一个元素表（通常是数字），所有类型都相同，由非负整数元组索引。在 NumPy 中，维度称为轴。

例如，3D 空间 [1, 2, 1] 中一个点的坐标有一个轴。该轴有 3 个元素，因此我们说它的长度为 3。在下图中的示例中，该数组有 2 个轴。第一个轴的长度为 2，第二个轴的长度为 3。

[[1., 0., 0.],
 [0., 1., 2.]]

实际上这个维度称为轴并不是很好理解，必须说明这里的轴维度和我们数学物理上面的是有很大区别的。

与数学物理方面的区别

我们现随机建立一个3×3的数组。

>>> import numpy as np
>>> np.random.rand(3, 3)
array([[0.14828241, 0.67698515, 0.22729984],
       [0.78760285, 0.71820171, 0.43459394],
       [0.85447318, 0.72708047, 0.56316259]])

该矩阵由于形状是3×3的，所以我们在线性代数里面认为这个矩阵维度是三（秩为三），但是在numpy的数组中，这个array的维数只有2，分别有axis=0,axis=1这两个轴，而axis=0的轴长度为3，axis=1的轴长度也为3.所以这里我们格外注意一下。

进一步理解

我们进行一下有关axis的操作，例如求和：

>>> c = np.arange(9).reshape(3,3)
>>> c
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> c.sum(axis=0)
array([ 9, 12, 15])
>>> c.sum(axis=1)
array([ 3, 12,