np.newaxis()函数的使用浅谈

本文主要介绍了np.newaxis()函数的具体使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

np.newaxis

np.newaxis 的功能是增加新的维度，但是要注意 np.newaxis 放的位置不同，产生的矩阵形状也不同。

通常按照如下规则：

np.newaxis 放在哪个位置，就会给哪个位置增加维度

• x[:, np.newaxis] ，放在后面，会给列上增加维度
• x[np.newaxis, :] ，放在前面，会给行上增加维度

用途： 通常用它将一维的数据转换成一个矩阵，这样就可以与其他矩阵进行相乘。

例1：这里的 x 是一维数据，其 shape 是 4，可以看到通过在列方向上增加新维度，变成了 4 x 1 的矩阵，也就是在 shape 的后面发生了变化。

1 2 3 4 5 6 7 8 9 10 11 12 13

x = np.array([1, 2, 3, 4]) print(x.shape) x_add = x[:, np.newaxis] print(x_add.shape) print(x_add) >>> (4,) (4, 1) [[1]  [2]  [3]  [4]]

例2：通过在行方向上增加新的维度，变成了 1 x 4 的矩阵，也就是在 shape 的前面发生了变化。

1 2 3 4 5 6 7 8 9 10

x = np.array([1, 2, 3, 4]) print(x.shape) x_add = x[np.newaxis, :] print(x_add.shape) print(x_add) >>> (4,) (1, 4) [[1 2 3 4]]

例3：给矩阵增加一个维度。

1 2 3 4 5 6 7 8 9 10 11 12

x = np.array([[1, 2, 3, 4], [2, 3, 4, 5]]) print(x.shape) x_add = x[:, np.newaxis] print(x_add) print(x_add.shape) >>> (2, 4) [[[1 2 3 4]]  [[2 3 4 5]]] (2, 1, 4)

到此这篇关于np.newaxis()函数的具体使用的文章就介绍到这了,希望可以对你有所帮助。

转载自：微点阅读   https://www.weidianyuedu.com