numpy 中对axis参数的理解

最新推荐文章于 2025-02-28 22:00:34 发布

In_Sun

最新推荐文章于 2025-02-28 22:00:34 发布

阅读量533

点赞数

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/sxcsxcsxcsxc/article/details/86713122

版权

机器学习专栏收录该内容

14 篇文章

订阅专栏

本文介绍如何使用Python的NumPy库对多维数组进行轴向求和操作，通过实例展示了不同轴向参数对数组求和的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
arr = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])
print(np.sum(arr,axis=0)) # [[6, 8], [10, 12]]
print(np.sum(arr,axis=1)) # [[4, 6], [12, 14]]
print(np.sum(arr,axis=2)) # [[3, 7], [11. 15]]

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

In_Sun

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

NumPy数组维度axis参数理解

zhaoguanhua的博客

06-17

4061

python之numpy矩阵维度理解

对于numpy包中的axis参数的理解

Timincy的博客

10-03

333

对于numpy包中的axis参数的理解在numpy中，对于多维数组进行sum,mean,min,max,sort的操作时，均会涉及到axis这一参数。那么axis具体是什么呢？我们先引入一个切片(slices)的概念: 如果kkk维数组A∈Rn1×n2×...×nkA \in \mathbb{R}^{n_1\times n_2 \times ...\times n_k}A∈Rn1×n2×...×nk ，则AAA的Slices为固定其中1个索引位置之后形成的k−1k-1k−1维数组 ok，有了s

参与评论您还未登录，请先登录后发表或查看评论

numpy中对于axis的理解

taotao223的博客

01-28

2082

numpy中的axis的设置参数与数组的shape有关例如一个shape（3，2，4）的数组，代表一个三维数组，要注意的是这里的维度与物理学的维度的理解是不太一样的 axis = 0时，就相当于所求的数组的结果变成shape（2，4） axis = 1时，数组的结果shape（3，4） axis = 2时，数组的结果shape（3，2）这里应该看出来了，当axis=n的时候shape

numpy 中的axis轴问题

weixin_34090562的博客

07-14

174

在numpy库中，axis轴的问题比较重要，不同的值会得到不同的结果，为了便于理解，特此将自己的理解进行梳理为了梳理axis,借助于sum函数进行！ a = np.arange(27).reshape((3,3,3)) print(a) # [[[ 0 1 2] # [ 3 4 5] # [ 6 7 8]] # # [[ 9 10 11] # [1...

Numpy中的axis

fat_snake_的博客

02-28

181

axis表示一个轴，是numpy中的一个重要参数，可以通过指定axis来确定在哪个轴上进行操作，在求最大值、最小值、平均值、求和等场景均会使用到。

numpy中axis数轴理解

小鹰的博客

03-27

676

numpy中数组有数轴axis的说法，在numpy中提供的一些方法中经常需要这个参数。其实numpy中的axis和维度是一一对应关系。比如： arr1 = np.arange(24).reshape((2, 3, 4)) #其中axis=0对应第一个维度2，axis=1对应第二个维度3，axis=2对应第三个维度4 #然后再哪个数轴上进行运算时，就相当于在对应维度的变化方向上做运算。三维数...

理解numpy中的axis(轴)

JPLAY的博客

09-16

559

理解numpy中的axis(轴)

Numpy运算中的axis参数设置

宁萌Julie的博客

04-23

455

最近在学习Numpy时，对函数设置中axis（轴）参数有些困惑，学习了这两篇文章： Python · numpy · axis 和 Numpy:对Axis的理解，感觉自己弄明白了，在这里分享我的理解，欢迎交流和指正。举例说明更明白，那就直接上例子吧。对于图中所示的数组，shape为(2,3,4)，表示这是一个三维数组，每个维度的大小分别是2，3，4，换言之，就是在相应的维度上有2/3/4个元素。以第一维维度（对应axis=0）为例，其大小为2，也就是有两个元素，即图中的两个3×43\times43×

numpy中axis参数理解

weixin_45718167的博客

02-14

862

对axis的理解在我理解看来，numpy中参数axis代表的就是维度。即通过.shape函数输出的元素有几个，axis 最大就是几，即这个数组最大的维度。同时注意，在numpy中 rank 代表的是数组的维度而不是秩，区别于线代的rank 在numpy中，rank和axis的最大值是一个意思 import numpy as np import pandas as pd rng = np.ra...

numpy中axis参数说明和数组轴的理解

weixin_47738095的博客

06-29

1361

1.numpy中axis参数说明： axis=i，即沿着数组第i个下标的变化方向进行操作。 2.关于NumPy中数组轴的理解：学好数据分析，得学好Numpy；学好Numpy，首先彻底理解“轴”的概念！

python numpy中axis的含义_Numpy中的axis/axes详解

weixin_42125770的博客

01-28

1547

首先，在Numpy中，维数(dimensions)通过轴(axes)来扩展，轴的个数被称作rank。这里的rank不是线性代数中的rank(秩)，它指代的依旧是维数(number of dimensions)：The number of axes (dimensions) of the array. In the Python world, the number of dimensions is ...

numpy操作中axis（轴）的理解

qq_23298649的博客

12-20

254

NumPy直接提供的统计函数中axis(轴)的理解

liyuhua2018的博客

03-12

430

NumPy直接提供的统计函数直接用 np.<函数名> 来调用函数名说明 sum(a,axis=None) 根据给定轴axis计算数组a相关元素之和,axis整数或元组 mean(a,axis=None) 根据给定轴axis计算数组a相关元素的期望,axis整数或元组 average(a,axis=None,weights=None) 根据给定轴axis计算...

对numpy axis（轴）的理解

Andy.Wang的博客

12-17

409

之前对numpy函数中axis参数所指向的数据一直无法完全理解，但是接触过跨度的概念之后，对axis参数所指向的数据才有所理解。以numpy.sum函数为例，初始化一个维度为2*3*4维的全一矩阵，代码如下： arr = np.ones((2, 3, 4)) 结果如下： array([[[1., 1., 1., 1.], [1., 1., 1., 1.], ...

numpy-轴axis理解

MicoOu的博客

12-30

366

目录1.例子（二维数组）2.例子（三维数组） 1.例子（二维数组） 2.例子（三维数组）

numpy方法中的axis参数理解

魏晋小子的博客

01-12

2798

1.对于numpy中的二维数组 In[4]中，np.sum(a)没有指定axis参数值，此时表示将a平铺成为一个一维向量求取所有元素的和 In[5]中，np.sum(a, axis=0) 指定axis=0表示按照列来操作，最后得到的结果是每一列的和 In[6]中，np.sum(a, axis=1) 指定axis=1表示按照行来操作，最后得到的结果是每一行的和 2.对于numpy中的三维数组此...

【1】数据分析---Pandas/Numpy中axis参数

shlleylu的博客

11-18

343

Pandas/Numpy中axis参数的理解一、官方解释 axis的官方解释：轴用来为超过一维的数组定义的属性，二维数据拥有两个轴：第0轴沿着行的垂直往下，第1轴沿着列的方向水平延伸。注意⚠️：**axis的重点在于方向，而不是行和列。**官方对于0和1的解释是轴，也就是坐标轴。而坐标轴是有方向的，所以千万不要用行和列的思维去想axis，因为行和列是没有方向的。简单记忆：axis=0...

numpy中的轴（axis）

wjyjiayou的博客

10-26

637

轴可以理解为方向，用坐标系轴和计算方向表示：二维数组轴示意图二维计算方向三维三维数组运算方向示意图进一步理解axis=0和1 以numpy.arange(0,10).reshape((2,5))为例，元组(2,5)表示二行五列，‘2’的index=0，‘5’的index为1，所以axis=0对应的是行，axis=1对应的是列。三维也是一样的。但是实际运算方...

numpy中的axis

最新发布

03-08

### NumPy 中 `axis` 参数的作用和用法在 NumPy 库中，`axis` 参数用于指定沿哪个轴执行特定的操作。对于多维数组而言，理解 `axis` 是至关重要的，因为这决定了如何聚合或变换数据。 #### 一维数组上的应用在一维情况下，由于只有一个方向的数据排列，因此通常不会涉及到 `axis` 参数的选择问题[^1]。 #### 多维数组中的表现形式当处理二维及以上维度的数组时，`axis` 就变得尤为重要了。例如在一个形状为 (m,n) 的二维矩阵里： - 当 `axis=0` 表示沿着列的方向进行运算； - 而 `axis=1` 则意味着按照行来进行相应的计算；这种模式同样适用于三维甚至更高维度的情况，只是随着维度增加，可能需要考虑更多的坐标轴选项[^2]。 #### 实际案例演示为了更直观地展示这一点，可以通过创建一个简单的二维数组并对其求和来观察不同 `axis` 值的影响: ```python import numpy as np arr = np.array([[1, 2], [3, 4]]) sum_axis_0 = np.sum(arr, axis=0) # 结果将是 array([4, 6]) sum_axis_1 = np.sum(arr, axis=1) # 结果将会是 array([3, 7]) print("Sum along columns:", sum_axis_0) print("Sum across rows:", sum_axis_1) ``` 上述代码片段展示了如何利用 `axis` 来控制加总的方向——既可以是对每一列表项相加以获得每列之和(`axis=0`)，也可以针对各行内的元素做累加得到各自行的结果 (`axis=1`)[^5]。 #### 函数兼容性值得注意的是，并不是所有的 NumPy 函数都接受 `axis` 这样的参数，但对于那些确实提供了这一功能的方法来说（比如 `np.max()`、`np.min()` 或者 `np.mean()`），它们的行为逻辑遵循相同的规则：即根据给定的 `axis` 数值决定在哪条线上实施所请求的动作。 #### 特殊情况下的行为如果输入是一个标量或者零维数组，则无论怎样设定 `axis` 都不会有实际意义，此时传递任何非负整数值作为 `axis` 可能会引起错误提示。另外，在某些特殊场景下，还可以传入元组类型的 `axis` 参数用来指示多个轴的同时作用范围[^4]。