numpy中的axis

最新推荐文章于 2024-02-23 15:29:41 发布

转载最新推荐文章于 2024-02-23 15:29:41 发布 · 74 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://juejin.im/post/5ad58a8ff265da23906c81f8

文章标签：

#python

本文详细解释了Numpy数组中的轴概念及其应用。对于不同维度的数组，轴代表着不同的方向，如二维数组中的行和列。文章通过实例展示了如何利用轴进行数组的操作，如求和等。

转载https://zhuanlan.zhihu.com/p/35704955

numpy数组中的轴不太容易理解，但是却非常重要。官方定义为：轴即维度（In Numpy dimensions are called axes.）。

对于二维数组，0轴即代表数组的行，1轴代表数组的列，对二维数组：

arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> arr1
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
复制代码

其轴0、1如下图所示：

>>> arr1.sum(axis=0)
array([12, 15, 18])
>>> arr1.sum(axis=1)
array([ 6, 15, 24])
复制代码

对于三位数组

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])
复制代码

数组arr有3条轴，编号分别为0、1、2，要直接看出来这三条轴分别对应什么方向有点困难。最好的办法就是先将三维数组降维成一个二维数组，这样就可以获得原数组的0轴、1轴。怎么降呢？把最内层数组作为一个整体来看待，即有：

A = [0, 1, 2, 3]
B = [4, 5, 6, 7]
C = [ 8,  9, 10, 11]
D = [12, 13, 14, 15]
arr = [[A, B],
       [C, D]]
>>> arr.sum(axis=0)
array([[ 8, 10, 12, 14],
       [16, 18, 20, 22]])
# arr.sum(axis=1) = [A + B, C + D]
>>> arr.sum(axis=1)
array([[ 4,  6,  8, 10],
       [20, 22, 24, 26]])
arr.sum(axis=2)
array([[ 6, 22],
       [38, 54]])
复制代码

如果一个多维数组的 shape 是 (a1, a2, a3, a4), 那么延轴0计算最后的数组shape 是 (a2, a3, a4), 延轴1计算最后的数组shape是 (a1, a3, a4)

对于多维数组，numpy对轴的编号是先行后列，由外向内！最外面的括号代表着 axis=0，依次往里的括号对应的 axis 的计数就依次加 1,所以，第三个轴（轴2）即为最内层数组的行方向

np.sum 这种函数中的参数 keepdims，它的默认值是 False，此时它会把多余的括号给删掉。假如我们把它设为 True 的话，表示保持原来的维度.

下面是参考文献2中同学整理的图。

参考

https://flat2010.github.io/2017/05/31/Numpy数组解惑/flat2010.github.io

Numpy数组解惑 | 断鸿声里，立尽斜阳 Numpy数组解惑 | 断鸿声里，立尽斜阳flat2010.github.io

射命丸咲：Python · numpy · axiszhuanlan.zhihu.com

转载于:https://juejin.im/post/5ad58a8ff265da23906c81f8