yzlh2009的博客

对比不使用newaxis#import numpy as npa = np.array([1, 2, 3, 4, 5])a[0]结果1对单个元素使用newaxis#import numpy as npa = np.array([1, 2, 3, 4, 5])a[0, np.newaxis]结果array([1])对所有元素使用newaxis#import numpy as npa = np.array([1, 2, 3, 4, 5])a[:, np.newaxis]

从第一个数组和第二个数组分别取出对应的数作为索引的第一维和第二维，这个有点复杂，但很有用，特别是在深度学习中。b中每个元素对应a中一行，如果需要对应a单个元素，需要b的元素本身二维列表、数组或者元组。相当于在上一种情况中把b变成了三个数组，所以一共得到了三个矩阵。b=([1,1,0], [0,0,0])，情况如何？等同于使用两个数组（不是一个矩阵），相当于。这里b可以换成列表或元组，a不能换。

我在调用 math.isnan()的时候，碰到这个提示，改成numpy.isnan()就好了，用于scalar类型的计算不能用于 ndarray。