numpy相关学习*

numpy相关学习
1.
shape()的理解
a=array( [ [ [1,2,3] , [4,5,6] ] ] )
这是个三维数组
a.shape[0]=1
a.shape[1]=2
a.shape[2]=3
可以从若干个元素构成一维数组，若干个一维数组构成二维数组，若干个二维数组构成三维数组的思想来去理解这个函数。

2.
sum()的理解
简单来说，对于一个m * n的矩阵，如果sum（）的参数中没有指定axis，就是将所有的数值加到一起，得到1 * 1的标量。如果是axis=0，就是按照列进行加，得到一个1 * n的行向量；如果axis=1，表示矩阵每一个行相加，得到一个m * 1的列向量。

例如：

import numpy as np

np.sum([[0,1,2],[2,1,3],axis=1)

结果就是：array（[3,6]）

a = np.array([[0, 2, 1]])

print a.sum()
print a.sum(axis=0)
print a.sum(axis=1)

结果分别是：3, [0 2 1], [3]

b = np.array([0, 2, 1])

print b.sum()
print b.sum(axis=0)
print b.sum(axis=1)

结果分别是：3, 3, 运行错误：‘axis’ entry is out of bounds

可知：对一维数组，只有第0轴，没有第1轴