np.newaxis 實現為 numpy.ndarray(多維陣列)增加一個軸
阿新 • • 發佈:2020-01-09
如下所示:
>> type(np.newaxis) NoneType >> np.newaxis == None True
np.newaxis 在使用和功能上等價於 None,檢視原始碼發現:newaxis = None,其實就是 None 的一個別名。
1. np.newaxis 的實用
>> x = np.arange(3) >> x array([0,1,2]) >> x.shape (3,) >> x[:,np.newaxis] array([[0],[1],[2]]) >> x[:,None] array([[0],np.newaxis].shape (3,1)
2. 索引多維陣列的某一列時返回的是一個行向量
>>> X = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]]) >>> X[:,1] array([2,10]) % 這裡是一個行 >>> X[:,1].shape % X[:,1] 的用法完全等同於一個行,而不是一個列, (3,)
如果我們索引多維陣列的某一列時,返回的仍然是列的結構,一種正確的索引方式是:
>>>X[:,1][:,np.newaxis] array([[2],[6],[10]])
如果想實現第二列和第四列的拼接(層疊):
>>>X_sub = np.hstack([X[:,np.newaxis],X[:,3][:,np.newaxis]]) % hstack:horizontal stack,水平方向上的層疊 >>>X_sub array([[2,4] [6,8] [10,12]])
當然更為簡單的方式還是使用切片:
>> X[:,[1,3]] array([[ 2,[ 6,[10,12]])
3. 使用 np.expand_dims
>> X = np.random.randint(0,9,(2,3)) >> mean_X = np.mean(X,axis=0) >> X - mean_X # 這樣做是沒有問題的 >> mean_X = np.mean(X,axis=1) >> X - mean_X ValueError: operands could not be broadcast together with shapes (2,3) (2,)
此時便需要手動的調整 mean_X 的維度,使其能夠 broadcast,有以下三種方式,在指定的軸上進行 broadcast:
mean_X[:,None]
mean_X[:,np.newaxis]
mean_X = np.expand_dims(mean_X,axis=1)
以上這篇np.newaxis 實現為 numpy.ndarray(多維陣列)增加一個軸就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。