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 的使用
1
>> x = np.arange(3)
2
>> x
3
array([0, 1, 2])
4
>> x.shape
5
(3,)
6
7
>> x[:, np.newaxis]
8
array([[0],
9
[1],
10
[2]])
11
12
>> x[:, None]
13
array([[0],
14
[1],
15
[2]])
16
17
>> x[:, np.newaxis].shape
18
(3, 1)
19
2. 索引多维数组的某一列时返回的是一个行向量
1
>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
2
>>> X[:, 1]
3
array([2, 6, 10]) % 这里是一个行
4
>>> X[:, 1].shape % X[:, 1] 的用法完全等同于一个行,而不是一个列,
5
(3, )
所以,一种正确的索引方式是:
1
>>>X[:, 1][:, np.newaxis]
2
array([[2],
3
[6],
4
[10]])
如果想实现第二列和第四列的拼接(层叠):
1
>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])
2
% hstack:horizontal stack,水平方向上的层叠
3
>>>X_sub
4
array([[2, 4]
5
[6, 8]
6
[10, 12]])