当前位置 主页 > 服务器问题 > Linux/apache问题 >

    np.newaxis 实现为 numpy.ndarray(多维数组)增加一个轴

    栏目:Linux/apache问题 时间:2019-12-01 10:45

    如下所示:

    >> type(np.newaxis)
    NoneType
    >> np.newaxis == None
    True

    np.newaxis 在使用和功能上等价于 None,查看源码发现:newaxis = None,其实就是 None 的一个别名。

    1. np.newaxis 的实用

    >> x = np.arange(3)
    >> x
    array([0, 1, 2])
    >> x.shape
    (3,)
    
    >> x[:, np.newaxis]
    array([[0],
        [1],
        [2]])
    
    >> x[:, None]
    array([[0],
        [1],
        [2]])
    
    >> x[:, np.newaxis].shape
     (3, 1)
    

    2. 索引多维数组的某一列时返回的是一个行向量

    >>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
    >>> X[:, 1]
    array([2, 6, 10])    % 这里是一个行
    >>> X[:, 1].shape    % X[:, 1] 的用法完全等同于一个行,而不是一个列,
    (3, )

    如果我们索引多维数组的某一列时,返回的仍然是列的结构,一种正确的索引方式是:

    >>>X[:, 1][:, np.newaxis]
    array([[2],
       [6],
       [10]])

    如果想实现第二列和第四列的拼接(层叠):

    >>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])      
              % hstack:horizontal stack,水平方向上的层叠
    >>>X_sub
    array([[2, 4]
       [6, 8]
       [10, 12]])

    当然更为简单的方式还是使用切片:

    >> X[:, [1, 3]]
    array([[ 2, 4],
        [ 6, 8],
        [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           # 这样做是没有问题的
    
    >> mean_X = np.mean(X, axis=1)
    >> X - mean_X
    ValueError: operands could not be broadcast together with shapes (2,3) (2,)
    

    此时便需要手动的调整 mean_X 的维度,使其能够 broadcast,有以下三种方式,在指定的轴上进行 broadcast:

    mean_X[:, None]

    mean_X[:, np.newaxis]

    mean_X = np.expand_dims(mean_X, axis=1)

    以上这篇np.newaxis 实现为 numpy.ndarray(多维数组)增加一个轴就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持IIS7站长之家。