之前一直困惑np.newaxis的用法,每次遇到都一脸懵逼,网上特有不少博客对它的解释,不过大多都是举一些例子,乍一看还是不知所云,摸不着规律
博客https://blog.csdn.net/lanchunhui/article/details/49725065 中提到,np.newaxis与None等价,作用就是为numpy数组增加一个轴来改变数组维度
import numpy as np
type(np.newaxis)
NoneType
np.newaxis==None
True
接下来说一下np.newaxis是如何改变数组维度的:
首先,我们知道可以通过array的shape属性得到维度信息
a=np.array([[1,2,3],[4,5,6]])
print(a.shape)
(2, 3)
通过a[np.newaxis,:]或者a[:,np.newaxis]可以改变a的维度
a[np.newaxis,:]
array([[[1, 2, 3],
[4, 5, 6]]])
a[:,np.newaxis]
array([[[1, 2, 3]],
[[4, 5, 6]]])
根据np.newaxis出现的位置,在a.shape的对应位置insert一个1,得到的就是改变后的shape,例如
a[np.newaxis,:].shape
(1, 2, 3)
a[:,np.newaxis].shape
(2, 1, 3)
a[:,:,np.newaxis].shape
(2, 3, 1)
当然,也可以增加更多的axis,利用这个规律可以方便算出新的shape
a[np.newaxis,:,np.newaxis,:,np.newaxis].shape
(1, 2, 1, 3, 1)
而得到的新的数组就相当于原来的数组做了一次reshape
a[np.newaxis,:,np.newaxis,:,np.newaxis]
array([[[[[1],
[2],
[3]]],
[[[4],
[5],
[6]]]]])
a.reshape((1, 2, 1, 3, 1))
array([[[[[1],
[2],
[3]]],
[[[4],
[5],
[6]]]]])