简介:Numpy中的axis
Numpy的axis表示numpy数组进行迭代运算的方向。Numpy中主要有两种类型的迭代过程:纵向顺序和横向顺序
两种类型的Numpy Axis
说明:以下关于Numpy axis的描述是基于二维或多维数组,对一维数组并不适用
Axis=0
Axis=0也被称作Numpy数组的第一个axis,表示:沿着行做垂直方向的运算,将数组压缩成一行
Axis=1
Axis=1也被称作Numpy数组的第二个axis,表示:沿着列做水平方向的运算,将数组压缩成一列
Numpy sum()
将二维数组传入np.sum()
中,并传入参数axis,可以将二维数组压缩成一维数组,减少数组的维度。而沿着哪个轴压缩则取决于参数axis
import numpy as np
np_array_2d = np.arange(0, 6).reshape([2, 3])
print(np_array_2d)
#[[0 1 2]
# [3 4 5]]
# 压缩成一行
a = np.sum(np_array_2d, axis = 0)
print(a) # [3 5 7]
# 压缩成一列
b = np.sum(np_array_2d, axis = 1)
print(b) # [ 3 12]
联系:在MatLab中,sum()
也可对行求和或列求和
array_2d = [0 1 2; 3 4 5]
# 按列求和,成一行
sum(array_2d, 1) # [3 5 7]
# 按行求和,成一列
sum(array_2d, 2) # [3; 12]
参考文章: