对于numpy包中的axis参数的理解

本文详细解释了在numpy中,如何使用axis参数进行sum、mean、min、max和sort等操作,并通过实例展示了axis参数在不同维度上的效果,强调了sort函数在保持原始数组维度上的特性。
摘要由CSDN通过智能技术生成

对于numpy包中的axis参数的理解

在numpy中,对于多维数组进行sum,mean,min,max,sort的操作时,均会涉及到axis这一参数。那么axis具体是什么呢?

我们先引入一个切片(slices)的概念:

  • 如果 k k k维数组 A ∈ R n 1 × n 2 × . . . × n k A \in \mathbb{R}^{n_1\times n_2 \times ...\times n_k} ARn1×n2×...×nk ,则 A A A的Slices为固定其中1个索引位置之后形成的 k − 1 k-1 k1维数组

ok,有了slices的概念,我们如何对高维数组进行sum,mean,min,max,sort之类的运算呢?

以sum函数为例。对于一个 k k k维数组 A ∈ R n 1 × n 2 × . . . × n k A \in \mathbb{R}^{n_1\times n_2 \times ...\times n_k} ARn1×n2×...×nk,在axis=i上进行运算就是在第i个维度上对相应的slices进行运算。

以sum函数在axis=i上运算为例,这个过程就相当于计算:
n p . s u m ( A , a x i s = i ) = ∑ j = 1 n i x [ : , : , . . . , : , j , . . . , : ] . np.sum(A,axis=i) = \sum_{j=1}^{n_i}x[:,:,...,:,j,...,:]. np.sum(A,axis=i)=

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值