[开发技巧]·Numpy中对axis的理解与应用
[开发技巧]·Numpy中对axis的理解与应用
1.问题描述
在使用Numpy时我们经常要对Array进行操作，如果需要针对Array的某一个纬度进行操作时，就会用到axis参数。
一般的教程都是针对二维矩阵操作axis，当axis为0时，计算方向时列，当axis为1时计算方向为行。
但是这样的描述并不能让我们真正理解axis的含义。下面我一个三维Array，来带领大家深入理解axis
2.实战讲解
>>> import numpy as np
>>> arrays = np.arange(0,12).reshape([2,3,2])
>>> arrays
array([[[ 0, 1],
[ 2, 3],
[ 4, 5]],
[[ 6, 7],
[ 8, 9],
[10, 11]]])
>>> np.sum(arrays)
66
>>> np.sum(arrays,axis=0)
array([[ 6, 8],
[10, 12],
[14, 16]])
>>> np.sum(arrays,axis=1)
array([[ 6, 9],
[24, 27]])
>>> np.sum(arrays,axis=2)
array([[ 1, 5, 9],
[13, 17, 21]])为什么是这个结果呢，笔者来帮大家说梳理一下：
首先我们新建了一个shape（2，3，3）的Array
1.用np.sum(arrays)时，计算的是所有元素的和。
2.用np.sum(arrays,axis = 0)时，我们可以这样理解，以最外面的[ ]为一个list，对里面两个元素（每个元素都是二维Array）进行相加求和，所以得到的Array和相加元素形状相同。
2.用np.sum(arrays,axis = 1)时，以中间的[ ]为一个list，对里面三个元素（每个元素都是一维Array）进行相加求和，所以得到的Array和相加元素形状相同，但是由于有两个中间的[ ]，所以把两个拼接在了一起。
3.用np.sum(arrays,axis = 2)时，以最里面的[ ]为一个list，对里面两个元素（每个元素都是一个人说）进行相加求和，所以得到的Array和相加元素形状相同，但是由于有两个中间的[ ]，每个中间的[ ]包含三个[ ]，最终shape为（2，3）。
类似其实我们在使用下标选取内容时使用相同的概念
>>> import numpy as np
>>> arrays = np.arange(0,12).reshape([2,3,2])
>>> arrays
array([[[ 0, 1],
[ 2, 3],
[ 4, 5]],
[[ 6, 7],
[ 8, 9],
[10, 11]]])
>>> arrays[0,:,:]
array([[0, 1],
[2, 3],
[4, 5]])
>>> arrays[:,0,:]
array([[0, 1],
[6, 7]])
>>> arrays[:,:,0]
array([[ 0, 2, 4],
[ 6, 8, 10]])
>>> 大家可以根据笔者上面讲述的，好好理解分析一下为什么是这样。
hope this helps
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2019年04月16日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录