np.newaxis作用详解---超简单理解方式，通透

最新推荐文章于 2022-10-29 18:41:09 发布

原创最新推荐文章于 2022-10-29 18:41:09 发布 · 2.1w 阅读

63 ·

CC 4.0 BY-SA版权

文章标签：

#python #矩阵 #tensorflow

人工智能专栏收录该内容

46 篇文章

订阅专栏

本文解析了np.newaxis在numpy中的作用，它如何在切片操作中添加新的维度，并通过实例和代码演示了其在改变数组形状时的技巧。重点讲解了newaxis的本质——其实是None，以及如何配合数组操作使用。

一、起始

np.newaxis的作用就是在这一位置增加一个一维，这一位置指的是np.newaxis所在的位置，举个例子如下。

x1 = np.array([1, 2, 3, 4, 5])
# the shape of x1 is (5,)
x1_new = x1[:, np.newaxis]
# now, the shape of x1_new is (5, 1)
# array([[1],
#        [2],
#        [3],
#        [4],
#        [5]])
x1_new = x1[np.newaxis,:]
# now, the shape of x1_new is (1, 5)
# array([[1, 2, 3, 4, 5]])

二、newaxis本质

是不是还是不理解？没关系，上面例子先放一放，继续往下看：

>> type(np.newaxis)
NoneType
>> np.newaxis == None
True

从这里可知，其实np.newaxis就是None，

>> x = np.arange(3)
>> x
array([0, 1, 2])
>> x.shape
(3,)

>> x[:, np.newaxis]
array([[0],
       [1],
       [2]])

>> x[:, None]
array([[0],
       [1],
       [2]])

>> x[:, np.newaxis].shape
 (3, 1)

三、综合理解

大家观察下上面使用newaxis的时机，都是配合切片[]使用的
不难观察到，对于x[:,np.newaxis]来说，若没有np.newaxis，则原式=x[:]，就是把x中的元素全部取出返回一个视图而已，在一维数组中，x没有第二个轴，而加上np.newaxis后的x[:,np.newaxis]就是加了一个None，就是在x中的一维轴中的元素上加了一个轴，因此
x=[1,2,3]时，对1加轴得[1]，对2得[2]，对3得[3]
x=[[1],[2],[3]], 对[1]加轴得[[1]]。。。。。。x[:np.newaxis]=[[[1],[[2]],[[3]]]

参考：
https://www.jianshu.com/p/78e1e281f698
https://www.cnblogs.com/onemorepoint/p/8110523.html