之前在学习numpy的时候被axis搞的头晕,为此我特意浏览了几篇博客,并且记录下自己的感悟理解
import numpy as np
np.random.seed(1)
x = np.random.randint(0,5,[2,3,2])
print x
print "axis=0: "
print x.sum(axis=0)
print "axis=1: "
print x.sum(axis=1)
print "axis=2 "
print x.sum(axis=2)
输出结果
[[[3 4]
[0 1]
[3 0]]
[[0 1]
[4 4]
[1 2]]]
axis=0:
[[3 5]
[4 5]
[4 2]]
axis=1:
[[6 5]
[5 7]]
axis=2
[[7 1 3]
[1 8 3]]
axis=n 就是去除掉矩阵的第n个维度
上述例子中,矩阵的维度是2x3x2
那么axis=0,就是使得矩阵变为3x2维度,当然,这个只是粗略的理解,那么具体应该怎样理解呢?axis=0,那么处理掉第一个维度,即最后我们要删掉最外层的括号,上述例子中我们删掉最外层括号后,得到两个3x2的矩阵
[[3 4]
[0 1]
[3 0]]
[[0 1]
[4 4]
[1 2]]
对应位置相加,得到
[[3 5]
[4 5]
[4 2]]
axis=1,要使矩阵维度变成2x2,
首先保留最外层的括号,然后对内部的两个结构逐个处理
[[3 4]
[0 1]
[3 0]]
对于这个结构,删掉最外层
得到
[3 4]
[0 1]
[3 0]
这三个子结构对应位置相加
得到
[6 5]
同理,另一个结构得到
[5 7]
由于上面保留了最外层的括号,现在整合一下
[[6 5]
[5 7]]
axis=2的分析与axis=1类似,就不再赘述了
常见的二维矩阵中,axis=0表示沿竖直方向操作,axis=1表示沿水平方向操作
以上纯属个人理解,有失偏颇之处还望指正