Numpy Axis

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
在这里插入图片描述

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:

  1. numpy.sum()的使用
  2. Numpy Axis in Python With Detailed Examples
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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