Python中numpy库中 axis=0,axis= 1轴的详解

对数据比如二维矩阵进行操作时,经常需要在横轴(行)方向或者纵轴(列)方向对数据进行操作,这时需要设定参数axis的值:

  1. axis = 0 代表对横轴(行)操作,也就是第0轴;
  2. axis = 1 代表对纵轴(列)操作,也就是第1轴;

操作为:

axis= 0 对a的横轴(行)进行操作,在运算的过程中其运算的方向表现为纵向(列)运算
axis= 1 对a的纵轴(列)进行操作,在运算的过程中其运算的方向表现为横向(行)运算

实例:

a=[[0,1,3],[1,2,2]]
n=np.array(a)
print(n.sum(axis=0))  # 即对横轴(行)进行操作,运算方向为纵轴方向(列),对每一列进行求和
print(n.sum(axis=1))  # 即对纵轴(列)进行操作,运算方向为横轴方向(行),对每一行进行求和

print(n.max(axis=0))
print(n.max(axis=1))

结果如下:

[1 3 5]
[4 5]
[1 2 3]
[3 2]

  • 9
    点赞
  • 38
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
Python3的NumPy库,mean()和average()都是用于计算数组元素的平均值的函数。它们的主要区别在于对于多维数组的处理方式。 1. mean()函数: mean()函数用于计算数组元素的平均值。它可以接受一个参数,以便在指定上进行计算。 例如,对于以下二维数组: ``` import numpy as np arr = np.array([[1, 2], [3, 4]]) ``` 我们可以使用mean()函数来计算所有元素的平均值: ``` print(np.mean(arr)) # 输出:2.5 ``` 我们也可以指定参数来计算每行或每列的平均值: ``` print(np.mean(arr, axis=0)) # 输出:[2. 3.] print(np.mean(arr, axis=1)) # 输出:[1.5 3.5] ``` 2. average()函数: average()函数也用于计算数组元素的平均值,但它可以指定每个元素的权重。它也可以接受一个参数。 例如,对于以下一维数组: ``` arr = np.array([1, 2, 3, 4]) ``` 我们可以使用average()函数来计算所有元素的平均值: ``` print(np.average(arr)) # 输出:2.5 ``` 我们也可以指定每个元素的权重: ``` weights = np.array([1, 2, 3, 4]) print(np.average(arr, weights=weights)) # 输出:3.0 ``` 如果我们的数组是二维的,我们可以指定参数来计算每行或每列的加权平均值: ``` arr = np.array([[1, 2], [3, 4]]) weights = np.array([1, 2]) print(np.average(arr, axis=0, weights=weights)) # 输出:[2.33333333 3.33333333] print(np.average(arr, axis=1, weights=weights)) # 输出:[1.66666667 3.66666667] ``` 因此,总的来说,mean()函数用于计算简单的平均值,而average()函数则可以指定每个元素的权重来计算加权平均值。在处理多维数组时,mean()函数计算每行或每列的平均值,而average()函数则可以计算加权平均值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
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