https://blog.csdn.net/sky_kkk/article/details/79725646

numpy中axis取值的說明

首先對(duì)numpy中axis取值進(jìn)行說明：一維數(shù)組時(shí)axis=0，二維數(shù)組時(shí)axis=0，1，維數(shù)越高，則axis可取的值越大，數(shù)組n維時(shí)，axis=0，1，…，n。為了方便下面的理解，我們這樣看待：在numpy中數(shù)組都有著[]標(biāo)記，則axis=0對(duì)應(yīng)著最外層的[]，axis=1對(duì)應(yīng)第二外層的[]，以此類推，axis=n對(duì)應(yīng)第n外層的[]。

下面開始從axis=0，axis=1這兩個(gè)例子開始，深入透徹的理解numpy中axis的用法。

axis = 0表示對(duì)最外層[]里的最大單位塊做塊與塊之間的運(yùn)算,同時(shí)移除最外層[]：

a= np.array([1,2,3])

a.sum(axis = 0)

>>>6

123

因?yàn)橹挥幸粚覽]，所以直接對(duì)這一層里的最大單位快1，2，3做運(yùn)算；

做完加法后本應(yīng)是[6]，但是移除最外層[]后，[]不存在了，所以返回的是6。

a= np.array([[1,2],[3,4]])

a.sum(axis = 0)

>>>array([4, 6])

123

有兩層[]，最外層[]里的最大單位塊分別為[1,2]，[3,4]，對(duì)這兩個(gè)單位塊做塊與塊之間的運(yùn)算，[1,2]+[3,4] = [4, 6]；

做完加法后本應(yīng)是[[4, 6]]，但是移除最外層[]后，原來的兩層[]變成一層[],所以返回結(jié)果為 [4, 6]。

np.array([[[1,2],[3,4]],[[11,12],[13,14]]])

a.sum(axis = 0)

>>>array([[12, 14], [16, 18]])

123

有三層[]，最外層[]里的最大單位塊分別為[[1,2],[3,4]]，[[11,12],[13,14]]，對(duì)這兩個(gè)單位塊做塊與塊之間的運(yùn)算，[[1,2],[3,4]]? +? [[11,12],[13,14]]? = [[12, 14], [16, 18]]；

做完加法后本應(yīng)是[[[12, 14], [16, 18]]]，但是移除最外層[]后，原來的三層[]變成兩層[],所以返回結(jié)果為[[12, 14], [16, 18]]；

axis= 1表示對(duì)第二外層[]里的最大單位塊做塊與塊之間的運(yùn)算,同時(shí)移除第二外層[]：

a= np.array([1,2,3])

a.sum(axis = 1)

>>>ValueError: 'axis' entry is out of bounds

123

因?yàn)橹挥幸粚覽]，axis取值只有一個(gè)，為0.

a= np.array([[1,2],[3,4]])

a.sum(axis = 1)

>>>array([3, 7])

123

有兩層[]，第二外層[]里的最大單位塊有兩組(因?yàn)橛袃蓚€(gè)第二外層[])，第一組是1，2，第二組是3，4，分別對(duì)這兩個(gè)單位塊做塊與塊之間的運(yùn)算，第一組結(jié)果為1+2=3，第二組結(jié)果為3+4=7；

做完加法后本應(yīng)是[[3],[7]]，但是**移除第二外層[]**后，原來的兩層[]變成一層[],所以返回結(jié)果為[3, 7]。

np.array([[[1,2],[3,4]],[[11,12],[13,14]]])

a.sum(axis = 1)

>>>array([[ 4,? 6], [24, 26]])

123

有三層[]，第二外層[]里的最大單位塊有兩組(因?yàn)橛袃蓚€(gè)第二外層[])，第一組是[1,2],[3,4]，第二組是[11,12],[13,14]，分別對(duì)這兩個(gè)單位塊做塊與塊之間的運(yùn)算，第一組結(jié)果為[1,2]+[3,4] = [ 4,? 6]，第二組結(jié)果為[11,12]+[13,14] = [24, 26]

做完加法后本應(yīng)是[[[ 4,? 6]], [[24, 26]]]，但是**移除第二外層[]**后，原來的三層[]變成兩層[],所以返回結(jié)果為[[ 4,? 6], [24, 26]]

axis = 3，4，5也如此分析

看懂了這些說明，相信你對(duì)axis已經(jīng)有了深入的理解，以后再也不用怕高維數(shù)組關(guān)于axis的運(yùn)算了！

總結(jié)

以上是生活随笔為你收集整理的python axis 0_Python之NumPy（axis=0/1/2...）的透彻理解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。