一文搞懂numpy中的axis

搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’ 获取更多AI干货

csdn：https://blog.csdn.net/abcgkj

github：https://github.com/aimi-cn/AILearners

---

1.为什么要设计axis？

numpy是个多维数组，多维数组运算需要指定到底对哪一维操作，因此axis就是用来指定需要操作的维数。

2.二维数组示例

>>> import numpy as np
>>> np_data = np.random.randint(1,8,[3,4])
>>> np_data
array([[2, 2, 1, 7],
       [6, 3, 1, 5],
       [5, 2, 5, 1]])

假设 这个数组代表了样本数据的特征，其中每一行代表一个样本的4个特征，每一列是不同样本的特征。如果在分析样本的过程中需要对每个样本的4个特征求和，该如何处理？

>>> np.sum(np_data, axis=1)
array([12, 15, 13])

那如果想求每种特征的最小值，该如何处理？

>>> np.min(np_data, axis=0)
array([2, 2, 1, 1])

又如果想得知所有样本所有特征的平均值呢？

>>> np.average(np_data)
3.3333333333333335

由此可以看出：**通过不同的axis，numpy会沿着不同的方向进行操作：如果不设置，那么对所有的元素操作；如果axis=0，则沿着纵轴进行操作；axis=1，则沿着横轴进行操作。**但这只是简单的二位数组，如果是多维的呢？可以总结为一句话：**设axis=i，则numpy沿着第i个下标变化的方向进行操作。**例如刚刚的例子，可以将表示为：

data =[[a00, a01],
       [a10, a11]]

所以axis=0时，沿着第0个下标变化的方向进行操作，也就是a00->a10, a01->a11，也就是纵坐标的方向，axis=1时也类似。

3.多维数组

对多维数组进行编码：
如三维数组b(2,3,3)：

[[[a000, a001, a002],
 [a010, a011, a012],
 [a020, a021, a022]],
						
[[a100, a101, a102],
 [a110, a111,  a112],
 [a120, a121, a122]]]

# 对b数组进行 axis=0上的求和,
	     
np.sum(b, axis=0)
 			
# 简单可以理解为对第一个数字不一样，其它两个数字都一样的元素进行求和，即：                  
[[a000+a100 , a001+a101, a002+a102],
 [a010+a110,  a011+a111,  a012+a112],
 [a020+a120,  a021+a121, a022+a122]]
    
# 对于b数组进行axis=1上的求和,
np.sum(b, axis=1)	
                    
# 简单可以理解为对第二个数字不一样，其它两个数字都一样的元素进行求和，即：                        
[[a000+a010+a020, a001+a011+a021, a002+a012+a022],
 [a100+a110+a120, a101+a111+a121, a102+a112+a122]]
   
#对b数组进行 axis=2上的求和，   
np.sum(b, axis=2)  

# 简单可以理解为对第三个数字不一样，其它两个数字都一样的元素进行求和，即：
                        
[[a000+a001+a002, a010+a011+a012, a020+a021+a022],
 [a100+a101+a102, a110+a111+a112, a120+a121+a122]]

总而言之，设axis=i，则numpy沿着第i个下标变化的方向进行操作。简单来说，就是：如果对第i维进行操作，只需保证第i个数字不同，对其余数字相同的元素进行操作。

4.多维数组示例

import numpy as np

b = [[[4,4,4],
  [2, 2, 2],
  [2, 1, 3]],

 [[2, 0, 2],
  [0, 0, 4],
  [1, 2, 0]]]

print("对axis=0上的元素进行求和:")
print(np.sum(b, axis=0))

print("对axis=1上的元素进行求和：")
print(np.sum(b, axis=1))

print("对axis=2上的元素进行求和：")
print(np.sum(b, axis=2))

输出：

对axis=0上的元素进行求和:
[[6 4 6]
 [2 2 6]
 [3 3 3]]
对axis=1上的元素进行求和:
[[8 7 9]
 [3 2 6]]
对axis=2上的元素进行求和:
[[12  6  6]
 [ 4  4  3]]

5.更多

在numpy中，使用的axis的地方非常多，处理上文已经提到的average、max、min、sum，比较常见的还有sort和prod，更多关于numpy库的使用，可以参考：

NumPy 教程
Numpy中文文档
NumPy v1.17.dev0手册

本文是笔者的一些粗略见解，如理解有误，欢迎各路大佬指正交流。