python中axis是什么意思中文_【Python】axis用法详解

假设我们定义了一个维度为

d

i

m

=

[

n

1

,

n

2

,

n

3

]

dim=[n_1, n_2, n_3]

dim=[n1​,n2​,n3​] 的数组，那么

a

x

i

s

axis

axis 取值范围就是

[

0

,

1

,

2

]

[0, 1, 2]

[0,1,2]，也就是说对于一个任意的python数组(包括 ndarray 和 pd.DataFrame )，其

a

x

i

s

axis

axis 取值范围是

[

0

,

l

e

n

(

d

i

m

)

]

[0, len(dim)]

[0,len(dim)]，依次对应从左到右的下标：

当我们对数组进行操作时指定

a

x

i

s

=

i

axis=i

axis=i 的含义就是在第

i

i

i 个下标变化的方向做操作(其他下标需保持相同)

举例：

import numpy as np

a = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

print(a)

print('\n')

print(a.shape)

print('\n')

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

输出：

分析：

将

a

a

a 的元素都写出来：

a

[

0

]

[

0

]

[

0

]

=

1

a

[

0

]

[

0

]

[

1

]

=

2

a

[

0

]

[

0

]

[

2

]

=

3

a

[

0

]

[

1

]

[

0

]

=

4

a

[

0

]

[

1

]

[

1

]

=

5

a

[

0

]

[

1

]

[

2

]

=

6

a

[

1

]

[

0

]

[

0

]

=

7

a

[

1

]

[

0

]

[

1

]

=

8

a

[

1

]

[

0

]

[

2

]

=

9

a

[

1

]

[

1

]

[

0

]

=

10

a

[

1

]

[

1

]

[

1

]

=

11

a

[

1

]

[

1

]

[

2

]

=

12

a[0][0][0]=1\ \ \ \ \ a[0][0][1]=2\ \ \ \ \ a[0][0][2]=3\\a[0][1][0]=4\ \ \ \ \ a[0][1][1]=5\ \ \ \ \ a[0][1][2]=6\\a[1][0][0]=7\ \ \ \ \ a[1][0][1]=8\ \ \ \ \ a[1][0][2]=9\\a[1][1][0]=10\ \ \ \ \ a[1][1][1]=11\ \ \ \ \ a[1][1][2]=12

a[0][0][0]=1     a[0][0][1]=2     a[0][0][2]=3a[0][1][0]=4     a[0][1][1]=5     a[0][1][2]=6a[1][0][0]=7     a[1][0][1]=8     a[1][0][2]=9a[1][1][0]=10     a[1][1][1]=11     a[1][1][2]=12

a

x

i

s

=

1

axis=1

axis=1 表示在从左向右第二个下标变化的方向上做加法运算(其他下标保持不变)，因而

a

[

0

]

[

0

]

[

0

]

=

1

a[0][0][0]=1

a[0][0][0]=1 会和

a

[

0

]

[

1

]

[

0

]

=

4

a[0][1][0]=4

a[0][1][0]=4 相加得到5，

a

[

0

]

[

0

]

[

1

]

=

2

a[0][0][1]=2

a[0][0][1]=2 会和

a

[

0

]

[

1

]

[

1

]

=

5

a[0][1][1]=5

a[0][1][1]=5 相加得7，以此类推：

最终得到的就是数组

[

[

5

,

7

,

9

]

,

[

17

,

19

,

21

]

]

[[5, 7, 9], [17, 19, 21]]

[[5,7,9],[17,19,21]]

同理如果

a

x

i

s

=

2

axis=2

axis=2 则表示在从左向右第三个下标变化的方向上做加法运算：

因此结果为

[

[

6

,

15

]

,

[

24

,

33

]

]

[[6, 15], [24, 33]]

[[6,15],[24,33]]，注意结果的维度为未参与运算的维度，这里前两个维度(2，2)未参与运算，因此结果的 shape 是(2，2)

标签：11,10,12,下标,Python,详解,print,axis

来源： https://blog.csdn.net/weixin_43298886/article/details/113352380