Posted in Python onNovember 26, 2019
浅谈NumPy中的维度Axis
NumPy中的维度是一个很重要的概念,很多函数的参数都需要给定维度Axis,如何直观的理解维度呢?我们首先以二维数组为例进行说明,然后推广到多维数组。
(有人将ndim属性叫维度,将axis叫轴,我还是习惯将axis称之为维度,axis=0称为第一个维度)
二维数组的列子
下面是一个二维数组的列子:
In [1]: import numpy as np In [2]: x = np.random.randint(0, 9, (2, 3)) In [3]: x Out[3]: array([[0, 8, 6], [1, 2, 1]]) In [4]: x.ndim Out[4]: 2 In [5]: x.shape Out[5]: (2, 3) In [6]: x[0] Out[6]: array([0, 8, 6]) In [7]: x[:, 0] Out[7]: array([0, 1]) In [8]: x.sum(axis=0) Out[8]: array([ 1, 10, 7]) In [9]: x.sum(axis=1) Out[9]: array([14, 4]) In [10]: x[0] + x[1] Out[10]: array([ 1, 10, 7]) In [11]: x[:, 0] + x[:, 1] + x[:, 2] Out[11]: array([14, 4])
看上面这个例子,x是一个2行3列的数组,所以x是一个二维数组。
从第6和第7个输入输出,我们可以肯定地说"对于二维数组,第一维指的是行,第二维指的是列"。
我们通过sum求和函数,探究一下x的第一维和第二维的意义?从第8个和第9个输入输出,我们可以看到对于参数axis=0,其结果是数组列的和;而对于参数axis=1,其参数是数组行的和。
对于axis=0第一个维度求和,不是将第一维度(行)中的所有元素相加,而是沿着第一个维度,将对应其他维度(列)的数据相加,分解开来就是第10个输入输出。同理,对于axis=1,是沿着列,将行中的元素相加。
NumPy中对于维度的操作都是以类似这样的逻辑操作的。
多维数组
对于多维数组我们如何准确区分维度呢?下面以图示进行说明:
所以,我的结论就是:在概念上维度是从整体到局部看的,最外围的是第一个维度,然后依次往里,最内部的就是最后一维。
下面我们用代码验证一下上面的结论:
In [19]: x = np.random.randint(0, 9, (2, 3, 4)) In [20]: x Out[20]: array([[[0, 7, 5, 5], [6, 3, 1, 3], [7, 5, 3, 4]], [[8, 1, 4, 6], [8, 1, 4, 8], [3, 0, 8, 2]]]) In [21]: x[0] Out[21]: array([[0, 7, 5, 5], [6, 3, 1, 3], [7, 5, 3, 4]]) In [22]: x[:, 0, :] Out[22]: array([[0, 7, 5, 5], [8, 1, 4, 6]])
可以看到,第21个输入输出取到的是第一维的第一个元素,第22个输入输出取到的是第二维的第一个元素。大家可以细细体味一下!
以上这篇(标题)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。
NumPy中的维度Axis详解
- Author -
TheOneGIS声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@