填坑之作-numpy数组axis含义

因为最近在用tf里边的各种tensor的不同axis操作，搞得头很疼，所以用numpy里边的axis的操作来看看这个axis的含义

 

首先定义一个np，shape为(2,2,2)

a=np.array([[[1,2],[3,4]],[[5,6],[7,8]]])

print出来是

[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]

接下来分析每个数字的坐标

1为(0,0,0)，2为(0,0,1)，3为(0,1,0)，4为(0,1,1)，5为(1,0,0)，6为(1,0,1)，7为(1,1,0)，8为(1,1,1)

 

接下来进行np.sum操作

b=np.sum(a,axis=(0))

输出结果为

[[ 6  8]
 [10 12]]

可以看到结果是一个shape为(2,2)的tensor

其中6=1(0,0,0)+5(1,0,0)，8=2(0,0,1)+6(1,0,1)，10=3(0,1,0)+7(1,1,0)，12=4(0,1,1)+8(1,1,1)

可以看到，以此相加的两个数，最后两维坐标相同，第一维度坐标不同

 

b=np.sum(a,axis=(0,1))

输出结果为

[16 20]

 可以看到结果是一个shape为（2）的tensor

其中16=1(0,0,0)+3(0,1,0)+5(1,0,0)+7(1,1,0)，20=2(0,0,1)+4(0,1,1)+6(1,0,1)+8(1,1,1)

相加的数，最后一维坐标相同，前两维坐标不同

 

b=np.sum(a,axis=(0,1,2))

输出结果为

36

 这次是没有固定维度坐标，直接全部相加

 

b=np.sum(a,axis=(1))

输出结果为

[[ 4  6]
 [12 14]]

 其中4=1(0,0,0)+3(0,1,0)，6=2(0,0,1)+4(0,1,1)，12=5(1,0,0)+7(1,1,0)，146(1,0,1)+8(1,1,1)

 

最终得到结论，np.sum中的参数axis为进行操作的维度，没有在axis中输入的维度为固定的维度，使用固定维度相同的数进行操作