深入理解numpy.array一些函数运算中的axis参数

最新推荐文章于 2025-09-19 10:35:22 发布

原创

最新推荐文章于 2025-09-19 10:35:22 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #深度学习

本文深入探讨了numpy数组中的axis参数，通过二维矩阵实例展示了如何进行最大值运算，解释了axis=0和axis=1的区别。接着，介绍了如何将一维数组转换为二维矩阵和n维张量，并进一步推广到n维张量的运算。此外，还讨论了vstack、hstack和concatenate等合并运算，帮助理解axis参数在不同维度上的应用。

深入理解ny.array中的axis参数

一、二维矩阵下的一些运算实例
二、推广到n维张量
三、合并运算 vstack，hstack和concatenate

一、二维矩阵下的一些运算实例

1.创建一个二维矩阵

# create by plusleft ############
# 2020/11/30         ############

# 创建一个二维矩阵
# a_2：a是2维
a_2 = np.array([[1, 2],
                [4, 3],
                [5, 0]])
# 查看矩阵以及shape形状
print(a_2)
print('a_2.shape：', a_2.shape)

print
在这里插入图片描述
这里shape的意思：

两个数字：二维
第一个数3：第0个维度有三个元素（三行）
第二个数2：第1个维度有两个元素（两列）

2.二维矩阵的一些运算

# create by plusleft ############
# 2020/11/30         ############

# 创建一个二维矩阵
a_2 = np.array([[1, 2],
                [4, 3],
                [5, 0]])
# 查看矩阵以及shape形状
print(a_2)
print('a_2.shape：', a_2.shape)
# a_2_max0：axis=0时的二维向量a的最大值
a_2_max0 = np.max(a_2, axis=0)
a_2_max1 = np.max(a_2, axis=1)
print('第0维的最大值：', a_2_max0)