原文:https://www.cnblogs.com/ppes/p/9461246.html
一、官网的定义:
https://docs.scipy.org/doc/numpy/user/quickstart.html
In NumPy dimensions are called axes.
For example, the coordinates of a point in 3D space [1, 2, 1]
has one axis. That axis has 3 elements in it, so we say it has a length of 3. In the example pictured below, the array has 2 axes. The first axis has a length of 2, the second axis has a length of 3.
[[ 1., 0., 0.],
[ 0., 1., 2.]]
其实,可以这么理解。维度(dimension) D和数组A,D[axis]和A[i] 。是不是大概懂了,axis对应第几维度,与数组的下标的作用差不多。但是axis有点区别的。既然axis是下标那么就有范围:
[-维度,维度),如上例子axis的取值范围 [-2,2),记住不包括2。
维度与axis的对应关系:axis是从最外层的 [] 数起来的,如上的例子,axis=0:第二维,axis=1:第一维。
二、验证:
1 # 产生24个[0,50)的随机整数,维度为3 2 x = np.random.RandomState(5).randint(50, size=[2, 3, 4]) 3 print(x.ndim, x.shape, x.size) 4 print("x:\n", x)
选一个能够使用到axis的函数:这里选用numpy.amax()(选出最大的元素),https://docs.scipy.org/doc/numpy/reference/generated/numpy.amax.html#numpy.amax
为了方便理解,先从最内层开始
1 print("x[0][0]:\n", x[0][0]) 2 print("axis=2: \n", np.amax(x, 2))
print("x[0]:\n", x[0]) print("axis=1: \n", np.amax(x, 1))
1 print("x:\n", x) 2 print("axis=0: \n", np.amax(x, 0))
很显然,从axis=2,axis=1都挺好理解,但是axis=0就有点困惑了,而且这个仅仅是三维而已,那么四维、五维呢。
但是其实仔细观察axis=2的第一个数字54是怎么来的呢?是从x[0][0][0]—x[0][0][4]比较而得。因此一共有3*4个。
同理axis=1时,比较的就是:x[0][0][0]—x[0][3][0],共3*5个
同理axis=2时,比较的是:x[0][0][0]—x[2][0][0],共4*5个
现在,是不是就对不同的axis的输出的形状或者说排列有一定的了解了?而且是不是体会到axis的作用了?我可是烦死那么多方括号了!!
三、总结
最直观的:函数所选的axis的值,就表明 x[][][] 的第几个方块号,从0开始,代表第一个[ ],即x[ ] [ ] [ ]
不足或者错误之处,欢迎指正!
![](https://i-blog.csdnimg.cn/blog_migrate/8f900a89c6347c561fdf2122f13be562.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/961ddebeb323a10fe0623af514929fc1.gif)
1 import numpy as np 2 3 # 产生60个[0,60)的随机整数,维度为3 4 x = np.random.RandomState(5).randint(60, size=[3, 4, 5]) 5 print(x.ndim, x.shape, x.size) 6 print("x:\n", x) 7 print("x[0][0]:\n", x[0][0]) 8 print("axis=2: \n", np.amax(x, 2)) 9 10 print("x[0]:\n", x[0]) 11 print("axis=1: \n", np.amax(x, 1)) 12 13 print("x:\n", x) 14 print("axis=0: \n", np.amax(x, 0)) 15 print("\n", np.amin(x, 0)) 16 for i in range(4): 17 print(x[0][i][1])