前言
Numpy 是 Python 中一个常用科学计算库,常用来表示向量、矩阵以及多维度数组。在 Numpy 中多对某一个维度(轴)进行相应的操作,这一点经常出错。今天就来讨论一下 Numpy 中的 axis 问题。
axis 从字面来看是轴的意思,在小学阶段,我们就学过坐标系,对轴的这个概念应该都不会陌生。比如,在平面直角坐标系中就有 x 轴 和 y 轴。在NumPy中,array是一个的核心数据结构,用于存储和操作多维数据。array可以是一维的,也可以是多维的。不论是多维数组还是一维数组,其每一个维度表示的都是一个轴。
理解轴的两个角度
对于二维数组有两个轴:axis = 0 和 axis = 1。axis = 0 表示横轴,确切地说是行变换的轴。相应的 axis = 1 表示的是列变化的轴。
imprt numpy as np
matrixA = np.array([[1, 8, 3, 9],
[4, 5, 6, 7]])
np.sum(matrixA, axis=0) # 输出 [5, 13, 9, 16]
在维度变化方向上计算
在这样的一个示例中,matrixA 是一个二维数组,有两个维度,行和列。现在我们要对 matrixA 执行 np.sum 操作,Numpy 参考文档上对于该操作的释义是:Sum of array elements over a given axis. 可以理解为

本文详细解释了Numpy中axis概念,从维度变化方向和降维两个角度理解数组操作,通过实例展示了如何在二维和三维数组上使用np.sum(axis=0)和np.sum(axis=1)进行求和,强调了这两种方法实质上的降维效果。
最低0.47元/天 解锁文章
851

被折叠的 条评论
为什么被折叠?



