numpy 維度與軸的問題

2021-07-25 17:36:59 字數 1442 閱讀 4804

>> x = np.reshape(np.arange(24), (2, 3, 4))


# 也即 2 行 3 列的 4 個平面（plane）


>> x


array([[[ 0,  1,  2,  3],


[ 4,  5,  6,  7],


[ 8,  9, 10, 11]],


[[12, 13, 14, 15],


[16, 17, 18, 19],


[20, 21, 22, 23]]])
再來分別看每乙個平面的構成：

>> x[:, :, 0]


array([[ 0,  4,  8],


[12, 16, 20]])


>> x[:, :, 1]


array([[ 1,  5,  9],


[13, 17, 21]])


>> x[:, :, 2]


array([[ 2,  6, 10],


[14, 18, 22]])


>> x[:, :, 3]


array([[ 3,  7, 11],


[15, 19, 23]])
也即在對np.arange(24)(0, 1, 2, 3, ..., 23)進行重新的排列時，在多維陣列的多個軸的方向上，先分配最後乙個軸（對於二維陣列，即先分配行的方向，對於三維陣列即先分配平面的方向）

>> a = np.random.rand(2, 3)


>> a.shape


(2l, 3l)


>> a[none, :].shape


(1l, 2l, 3l)


>> a[none, :, :].shape


(1l, 2l, 3l)
這是乙個強大的函式，在指定軸上，按指定的函式進行操作；

>>> b = np.array([[1,2,3], [4,5,6], [7,8,9]])


# 在列方向進行差分的動作


array([[3, 3, 3],


[3, 3, 3]])


array([[1, 1],


[1, 1],


[1, 1]])


>>> b = np.array([[8,1,7], [4,3,9], [5,2,6]])


array([[1, 7, 8],


[3, 4, 9],


[2, 5, 6]])
這個函式真正的意義在於什麼，除了更精細化，customized的處理行和列外，它對一些不具備axis引數的函式，使其具備逐行或者逐列處理的能力 np.bincount()，而不必逐行逐列地進行遍歷。

p = np.asarray([clf.predict(x) for clf in self.classifiers_])

numpy 維度與軸

albert chen albert chen 的個人部落格 發表於 2016 09 01 分類於程式語言 我知道 numpy 是多維陣列，但是一直不理解其軸 axis 的概念，以及基於軸之上的計算。今天寫了些例項終於理解了。首先是維度，對人來說高維空間是很難想象的，但是我們可以從純數學的角度來看。...

numpy的陣列維度問題

由於之前寫c 的時候大多用的是小於3維的陣列，所以看到python中numpy的高維array 陣列 層層疊疊的感覺把眼都看花了。現在讓我們睜大眼睛，仔細看看到底是怎麼回事。舉例說明 x1 np.array 1,2,3 4,5,6 x1.shape 2,3 x2 np.array 0 1 2 x2....

numpy 軸的理解

在numpy中關於axis的軸有時會有點暈，這裡做下總結 如果axis 0，表示0軸，第乙個維度 axis 1，表示1軸，第二個維度 有點抽象 本地使用jupyter，設沒注釋的為 輸入，注釋部分為輸出 二維 import numpy as np a np.array 1,2,3 4,5,6 a a...