np.newaxis 为 numpy.ndarray(多维数组)增加一个轴

>> type(np.newaxis)
NoneType
>> np.newaxis == None
True
   
   
  • 1
  • 2
  • 3
  • 4

np.newaxis 在使用和功能上等价于 None,其实就是 None 的一个别名。

1. np.newaxis 的实用

>> x = np.arange(3)
>> x
array([0, 1, 2])
>> x.shape
(3,)

>> x[:, np.newaxis]
array([[0],
       [1],
       [2]])

>> x[:, None]
array([[0],
       [1],
       [2]])

>> x[:, np.newaxis].shape
 (3, 1)

   
   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

2. 索引多维数组的某一列时返回的是一个行向量

>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
>>> X[:, 1]
array([2, 6, 10])       % 这里是一个行
>>> X[:, 1].shape       % X[:, 1] 的用法完全等同于一个行,而不是一个列,
(3, )
   
   
  • 1
  • 2
  • 3
  • 4
  • 5

如果我们索引多维数组的某一列时,返回的仍然是列的结构,一种正确的索引方式是:

>>>X[:, 1][:, np.newaxis]
array([[2],
      [6],
      [10]])
   
   
  • 1
  • 2
  • 3
  • 4

如果想实现第二列和第四列的拼接(层叠):

>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])           
                   % hstack:horizontal stack,水平方向上的层叠
>>>X_sub
array([[2, 4]
      [6, 8]
      [10, 12]])
   
   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

当然更为简单的方式还是使用切片:

>> X[:, [1, 3]]
array([[ 2,  4],
       [ 6,  8],
       [10, 12]])
   
   
  • 1
  • 2
  • 3
  • 4
版权声明:本文为博主原创文章,未经博主允许不得转载。
 
leixingzhi7
  • leixingzhi7
    2017-08-21 19:131楼
  • X[:, 1][:, np.newaxis]可以简化为:X[:, np.newaxis, 1]
  • 回复 
SHY_SOUL
  • SHY_SOUL
    2017-09-09 14:00
  • 回复leixingzhi7: 但是感觉这样写,不如原来的那个好理解
lanchunhui
  • lanchunhui
    2017-08-21 21:35
  • 回复leixingzhi7:恩,补充得很好。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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