Numpy是Python中科学计算的基础包,而其核心对象就是ndarray(n维数组)。关于如何创建n维度数组可以参考下面的文章:
Python NumPy数组的创建方法
为了对ndarray进行数学处理,很多函数中都要指定一个叫做坐标轴的参数(axis),本文主要解释关于ndarray的维度和坐标轴的概念。
一、ndarray的维度
ndarray的名称是n维数组(N-Dimensional Array的缩写),数组的维度可以通过shape属性来查看,返回元组中的数字个数就是数组的维度。
1.1 一维数组
首次使用numpy模块时需要导入:
import numpy as np
a1 = np.arange(1,10)
a1
a1.shape
a1.shape返回的是(9,),这个元组中只有1个数字9,代表其是一维数组,共9个元素。
一维数组可以理解为一条射线:
从一维数组中获取元素只需要1个坐标,例如获取3(元素编号从0开始):
a1[2]
1.2 二维数组
通过reshape函数可以改变数组的维度(形状),这里通过np.arange函数生成一维数组后再改变其形状(维度):
a2 = np.arange(1,7).reshape(2,3)
a2
a2.shape
a2.shape返回的是(2,3),这个元组中有2个数字,代表其是二维数组,每个维度上的元素个数分别是2和3,即2行3列。
二维数组可以理解为一个平面:
从二维数组中获取元素只需要2个坐标,例如获取5(每个维度元素编号从0开始):
a2[1,1]
1.3 三维数组
先创建一个一维数组,然后通过reshape函数改为3维:
a3 = np.arange(1,25).reshape(2,3,4)
a3
a3.shape
三维数组可以理解为空间,它就像二维数组堆叠起来,这个(2,3,4)可以理解为2个3x4的二维数组(平面)前后堆叠起来:
从三维数组中获取元素需要3个坐标,例如获取7(每个维度元素编号从0开始):
a3[0,1,2]
1.4 n维度数组
同理,四维数组可以将三维数组视为一个空间,然后将空间堆叠起来,就像二维数组(平面)堆叠得到三维数组(空间)一样。依次类推,一直得到n维数组。
二、ndarray的坐标轴
理解了维度的概念后,每个维度对应的顺序就是坐标轴axis,其编号同样从0开始(就是上面一节示例图中的axis=0和axis=1等)。
这个参数的主要作用就是在进行数学运算时指定计算的方向,例如在二维数组上运行求和函数sum():
分别指定axis=0和axis=1进行计算,观察结果:
a2.sum(axis=0)
a2.sum(axis=1)
- axis=0就是指代沿列的方向进行计算,结果就是[(1+4), (2+5), (3+6)],即[5,7,9]
- axis=1就是指代沿行的方向进行计算,结果就是[(1+2+3), (4+5+6)],即[6,15]
对于三维数组,sum(axis=0)就相当于前后2个二维数组的对应元素相加:
a3.sum(axis=0)
其他的函数例如max, min, average, amax等,在计算时都需要指定axis参数,理解n维数组及axis含义有助于正确使用这些函数。