np.newaxis 實(shí)現(xiàn)為 numpy.ndarray(多維數(shù)組)增加一個(gè)軸

發(fā)布時(shí)間：2020-08-24 04:53:02 來源：腳本之家閱讀：240 作者：Inside_Zhang 欄目：開發(fā)技術(shù)

如下所示：

>> type(np.newaxis)
NoneType
>> np.newaxis == None
True

np.newaxis 在使用和功能上等價(jià)于 None，查看源碼發(fā)現(xiàn)：newaxis = None，其實(shí)就是 None 的一個(gè)別名。

1. np.newaxis 的實(shí)用

>> x = np.arange(3)
>> x
array([0, 1, 2])
>> x.shape
(3,)

>> x[:, np.newaxis]
array([[0],
    [1],
    [2]])

>> x[:, None]
array([[0],
    [1],
    [2]])

>> x[:, np.newaxis].shape
 (3, 1)

2. 索引多維數(shù)組的某一列時(shí)返回的是一個(gè)行向量

>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
>>> X[:, 1]
array([2, 6, 10])    % 這里是一個(gè)行
>>> X[:, 1].shape    % X[:, 1] 的用法完全等同于一個(gè)行，而不是一個(gè)列，
(3, )

如果我們索引多維數(shù)組的某一列時(shí)，返回的仍然是列的結(jié)構(gòu)，一種正確的索引方式是：

>>>X[:, 1][:, np.newaxis]
array([[2],
   [6],
   [10]])

如果想實(shí)現(xiàn)第二列和第四列的拼接（層疊）：

>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])      
          % hstack：horizontal stack，水平方向上的層疊
>>>X_sub
array([[2, 4]
   [6, 8]
   [10, 12]])

當(dāng)然更為簡單的方式還是使用切片：

>> X[:, [1, 3]]
array([[ 2, 4],
    [ 6, 8],
    [10, 12]])

3. 使用 np.expand_dims

>> X = np.random.randint(0, 9, (2, 3))
>> mean_X = np.mean(X, axis=0)
>> X - mean_X           # 這樣做是沒有問題的

>> mean_X = np.mean(X, axis=1)
>> X - mean_X
ValueError: operands could not be broadcast together with shapes (2,3) (2,)

此時(shí)便需要手動(dòng)的調(diào)整 mean_X 的維度，使其能夠 broadcast，有以下三種方式，在指定的軸上進(jìn)行 broadcast：

mean_X[:, None]

mean_X[:, np.newaxis]

mean_X = np.expand_dims(mean_X, axis=1)

以上這篇np.newaxis 實(shí)現(xiàn)為 numpy.ndarray(多維數(shù)組)增加一個(gè)軸就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持億速云。

向AI問一下細(xì)節(jié)

np.newaxis 實(shí)現(xiàn)為 numpy.ndarray(多維數(shù)組)增加一個(gè)軸

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽