np.newaxis 的使用

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]])