个人看来,numpy的高维矩阵,是基于一维向量和二维数组就可以进行理解的,也就是说每次把元素拓展成一个向量,就可以多出一个维度,n为偶数时,只不过是二维数组套二维数组,类似套娃的形式即可理解。
其索引是由外向内的,本质还是列表嵌套的形式的,比如一个三维矩阵:
>>> a = np.arange(12).reshape((2,2,3))
>>> a
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]]])
在这个理论下,
>>> a[1]
array([[ 6, 7, 8],
[ 9, 10, 11]])
>>> a[1][0]
array([6, 7, 8])
>>> a[1,0,2]
8
再说下参数axis
的含义。书上和很多人的理解是直接告诉你axis=0
是跨行,axis=1
是跨列。我一直觉得这种理解稍显呆板。实际上从索引出发,就明白了,在np.sum()
函数里参数axis
的值表示的是第几个索引下的元素去整合,那axis=2
就表示其他索引不变,第3个索引处的值全部相加。
b [ j ] = ∑ i = 0 a [ i , j ] b[j]=\sum_{i=0} a[i,j]