numpy——轴axis的意义

numpy——轴axis的意义

Date : 2021-5-17

import numpy as np
result = np.arange(24).reshape(2,3,4)
print("result:\n",result)
print("shape of result:\n",result.shape)
print("ndim of result:\n",result.ndim)
print("sum of result axis 0:\n",result.sum(axis=0))
print("sum of result axis 1:\n",result.sum(axis=1))
print("sum of result axis 2:\n",result.sum(axis=2))

代码运行结果为：

result:
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
shape of result:
(2, 3, 4)
ndim of result:
3
sum of result axis 0:
[[12 14 16 18]
[20 22 24 26]
[28 30 32 34]]
sum of result axis 1:
[[12 15 18 21]
[48 51 54 57]]
sum of result axis 2:
[[ 6 22 38]
[54 70 86]]

从上述代码运行结果可以看出，result的shape为（2,3,4)，维度为3，共有3个轴，轴axis = 0,1,2对应的长度分别为2,3,4，沿axis = 0的轴进行求和运算，得到的结果的shape为（3,4）;沿axis = 1的轴进行求和运算，得到的结果的shape为（2,4）；沿axis = 2的轴进行求和运算，得到的结果的shape为（2,3）。对比result的shape（2,3,4），则可以发现，沿axis=0,1,2的轴进行求和的结果的shape相当于（1,3,4）、（2,1,4）和（2,3,1）,即沿轴进行运算相当于沿轴的分类进行运算。
以甲乙两个人的身材在不同年龄的身材为例，甲10岁、20岁、30岁的身高体重分别为[30kg,130cm]、[60kg,180cm]、[80kg,183cm];乙10岁、20岁、30岁的身高体重分别为[25kg,120cm]、[50kg,165cm]、[70kg,168cm]，则甲乙两人的年龄身材数据构成的数组为：
[[[30,130],
[60,180],
[80,183]],

[[25,120],
[50,165],
[70,168]]]
其中axis = 0代表人物轴（长度为2，甲、乙），axis = 1代表年龄轴（长度为3,10岁，20岁，30岁）， axis = 2代表身材轴（长度为2，身高，体重），对axis = 0的人物轴进行取平均值运算，相当于求在不同年龄（10岁，20岁，30岁）甲和乙的身材的平均值，结果消去了人物轴；对axis = 1的年龄轴进行取平均值运算，相当于求不同人物（甲和乙）在10岁、20岁和30岁时的身材的平均值，结果消去了年龄轴；对axis = 2的身材轴进行取平均值运算，相当于求不同人物（甲和乙）在10岁、20岁和30岁时的身高和体重的平均值（mean(cm+kg)，无实际意义），结果消去了身材轴，数据无实际意义