> 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 Non..."/>
您好,登錄后才能下訂單哦!
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。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。