关于numpy数组轴的使用详解
概述
按照图一中aixs=0，对aixs=0上下对应的数据进行相加在学习numpy的时候，最难理解的就是轴的概念，我们知道坐标系中有轴的概念，那么两个轴是否有关联呢？为了便于理解，特写此博客进行梳理。
正文
首先数组的维数比较好理解，下面我们创建一个数组：
import numpy as np # 创建一个三维数组 b=np.arange(24).reshape(4,3,2)
打印结果：
[[[ 0 1] [ 2 3] [ 4 5]] [[ 6 7] [ 8 9] [10 11]] [[12 13] [14 15] [16 17]]
b 是一个三维数组：
第一维有三个元素
第二维有三个元素
第三维有四个元素
上面的数据也可以用下列方式展示（图一）
对于下面按照aixs=0进行sum：
print(b.sum(0))
按照图一中aixs=0，对aixs=0上下对应的数据进行相加，数据从（4，3，2）降维到（3，2）
[[0+ 6+12+18=36 1+ 7+13+19=40] [2+ 8+14+20=44 3+ 9+15+21=48] [4+10+16+22=52 5+11+17+23=56]]
对于下面按照aixs=1进行sum：
print(b.sum(1))
按照图一中aixs=1，按照比1小的轴对数据进行划分（即aixs=0），然后对划分的每一部分中数据中的aixs=1上下对应的数据进行相加，数据从（4，3，2）降维到（4，2）
[[ 0+ 2+ 4=6 1+ 3+ 5=9] [ 6+ 8+10=24 7+ 9+11=27] [12+14+16=42 13+15+17=45] [18+20+22=60 19+21+23+63]]
对于下面按照aixs=2进行sum：
print(b.sum(2))
按照图一中aixs=2，按照比2小的轴对数据进行划分（即aixs=0，aixs=1），然后对划分的每一部分中数据中的aixs=2上下对应的数据进行相加，数据从（4，3，2）降维到（4，3）
[[ 0+ 1=1 2+ 3=5 4+ 5=9] [ 6+ 7=13 8+ 9=17 10+11=21] [12+13=25 14+15=29 16+17=33] [18+19=37 20+21=41 22+23=45]]
总结：
aixs的范围是0到数组的维数（不包括维数）
轴的划分是按照维数进行
相加时按照轴进行对象相加，但是不能跨越比当前轴低的轴
以上这篇关于numpy数组轴的使用详解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小牛知识库。
-
问题内容： 我是Python的新手，正在学习 TensorFlow 。在使用 notMNIST数据集 的教程中，他们提供了示例代码以将标签矩阵转换为n之一的编码数组。 目标是获取一个由标签整数0 … 9组成的数组，并返回一个矩阵，其中每个整数都已转换为n之一的编码数组，如下所示： 他们为此提供的代码是： 但是，我根本不了解这段代码是如何做到的。看起来它只是生成一个介于0到9之间的整数数组，然后将其
-
本文向大家介绍基于Python Numpy的数组array和矩阵matrix详解，包括了基于Python Numpy的数组array和矩阵matrix详解的使用技巧和注意事项，需要的朋友参考一下 NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。 在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做
-
问题内容： 从Numpy的教程中，可以使用整数对轴进行索引，例如用于列，用于行，但是我不明白为什么用这种方式对它们进行索引？当处理多维数组时，如何计算每个轴的索引？ 问题答案： 根据定义，维的轴号是该维在数组内的索引。它也是在索引编制过程中用于访问该尺寸的位置。 例如，如果2D数组的形状为（5,6），则最多可以访问。因此，轴0是第一维（“行”），轴1是第二维（“列”）。在较高的尺寸中，“行”和“列
-
本文向大家介绍Python numpy数组转置与轴变换，包括了Python numpy数组转置与轴变换的使用技巧和注意事项，需要的朋友参考一下 这篇文章主要介绍了Python numpy数组转置与轴变换,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 矩阵的转置 矩阵的内积 轴变换 二维轴变换 1.两轴交换 三维轴变换 1.这种变化有点麻烦，不好理
-
本文向大家介绍numpy 声明空数组详解，包括了numpy 声明空数组详解的使用技巧和注意事项，需要的朋友参考一下 你搜索这个，你会发现好多都是np.zeros(5,2)，嗯都是复制的一个国外的帖子，然而没有翻译人家的话。 然后你愤怒的关闭页面。这简直就是文不对题，这哪是空的。 实际上，numpy的数组机制并不支持空数组。（什么鬼答案？）简单来讲就是numpy会申请连续的内存，如果频繁改变大小，他
-
问题内容： 我想沿着特定的轴动态切片一个numpy数组。鉴于这种： 我想要达到相同的结果： 使用这样的东西： 但是值不能放在元组中，所以我不知道如何构建切片。 问题答案： 我认为一种方法是使用： 我有一种模糊的感觉，我以前曾经为此使用过一个函数，但是现在似乎找不到了。