Numpy学习笔记——numpy的轴

1.1 Numpy的轴axis

轴编号与shape的索引是对等的，这个编号可以理解为高维nd.array.shape产生的元组的索引。shape（3，2，4）表示数组的维度，shape的索引可以看作轴编号，即一条轴其实就是一个维度。

0轴对应最高维度3维，1轴对应第2维度，2轴对应的就是最低维度1维。

以下图为例，一维数组的shape维度是（4，），对应的元组的索引是 [0]；二维数组的shape维度是（2，4），对应的元组的索引为[0，1]；三维数组的shape维度是（3，2，4），对应的元组的索引为[0，1，2]

此外，索引也可以从负数开始，对于负数索引，-1表示最后一个维度，-2表示导数第二个维度，以此类推。

1.2 axis在Numpy函数中的使用

numpy的函数中用到了axis参数时，轴就可以视为执行操作的方向。

① 当使用Numpy中的聚合函数（如sum、mean、max等）时，可以使用axis参数来指定操作沿着哪个轴执行。例如，对于二维数组，axis=0表示沿着每一列执行操作，而axis=1表示沿着每一行执行操作。

例1：axis=0

import numpy as np
a=np.arange(4).reshape(2,2)  #[[0 1] [2 3]]
print(a.max(axis=0))
>>> [2 3]

例2：axis=1

import numpy as np
a=np.arange(4).reshape(2,2)  #[[0 1] [2 3]]
print(a.max(axis=1))
>>> [1 3]

② axis用于索引和切片操作

这个跟索引那里比较像，不过多赘述啦

1.3 numpy数组转置换轴

① transpose方法（行列转置）

② swapaxes方法（轴转置）

③ 使用.T属性快速转置

import numpy as np
a=np.arange(9).reshape(3,3)
print(a)
print(a.transpose())
print('-'*30)
print(a.swapaxes(1,0)) #(1,0)就是把原来的轴1放在了第一个索引位置，轴0放在了第二的索引位置
print('-'*30)
print(a.T)
>>> [[0 1 2]
 [3 4 5]
 [6 7 8]]
------------------------------
[[0 3 6]
 [1 4 7]
 [2 5 8]]
------------------------------
[[0 3 6]
 [1 4 7]
 [2 5 8]]
------------------------------
[[0 3 6]
 [1 4 7]
 [2 5 8]]