【Numpy】对于 Numpy 中 Axis 的理解

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wang_nn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值