numpy中axis轴问题记录小结
<div id="navCategory"><h5 class="catalogue">目录</h5><ul class="first_class_ul"><li><a href="#_label0">轴的概念</a></li><li><a href="#_label1">解释“设axis=i, 则numpy沿着第i个下标变化的方向进行操作”</a></li><ul class="second_class_ul"><li><a href="#_lab2_1_0">具体例子说明</a></li><li><a href="#_lab2_1_1">不同轴的操作</a></li></ul><li><a href="#_label2">总结</a></li><ul class="second_class_ul"></ul></ul></div><p>在NumPy中，数组可以有多个维度（或轴）。每个轴代表数据的一个方向。对于一个n维数组，它有n个轴，这些轴是从0开始编号的：</p><ul><li><code>axis=0</code> 表示第一个维度（最外层）</li><li><code>axis=1</code> 表示第二个维度</li><li>以此类推...</li></ul>
<p class="maodian"><a name="_label0"></a></p><h2>轴的概念</h2>
<p>当你对一个数组进行操作时（例如求和、平均值等），你可以指定沿着哪个轴进行操作。如果你不指定轴，则操作会应用于整个数组的所有元素。</p>
<p class="maodian"><a name="_label1"></a></p><h2>解释“设axis=i, 则numpy沿着第i个下标变化的方向进行操作”</h2>
<p>这句话的意思是说，当你设置<code>axis=i</code>时，NumPy会在第i个维度上进行操作，即沿着该维度的变化方向进行操作。换句话说，NumPy会对该维度上的所有元素执行指定的操作，而其他维度保持不变。</p>
<p class="maodian"><a name="_lab2_1_0"></a></p><h3>具体例子说明</h3>
<p>三维数组为例：</p>
<div class="jb51code"><pre class="brush:py;">arr = np.array([[[ 0,1],
[ 2,3],
[ 4,5],
[ 6,7]],
[[ 8,9],
,
,
]])</pre></div>
<p>这个数组的形状是 <code>(2, 4, 2)</code>，表示它有两层（第一维度），每层有四行（第二维度），每行有两个元素（第三维度）。</p>
<p class="maodian"><a name="_lab2_1_1"></a></p><h3>不同轴的操作</h3>
<p><code>axis=0</code>：沿着最外层维度（第一维度）进行操作。</p>
<ul><li>这意味着我们会将两个子数组（页）对应位置的值相加。</li><li>结果是一个形状为 <code>(4, 2)</code> 的数组：</li></ul>
<div class="jb51code"><pre class="brush:py;">array([[ 8, 10],
,
,
])</pre></div>
<p><code>axis=1</code>：沿着中间维度（第二维度）进行操作。</p>
<ul><li>这意味着我们会将每一层内每一列的值相加。</li><li>结果是一个形状为 <code>(2, 2)</code> 的数组：</li></ul>
<div class="jb51code"><pre class="brush:py;">array([,
])</pre></div>
<p><code>axis=2</code>：沿着最内层维度（第三维度）进行操作。</p>
<ul><li>这意味着我们会将每一层内每一个小数组内的值相加。</li><li>结果是一个形状为 <code>(2, 4)</code> 的数组：</li></ul>
<div class="jb51code"><pre class="brush:py;">array([[ 1,5,9, 13],
])</pre></div>
<p class="maodian"><a name="_label2"></a></p><h2>总结</h2>
<ul><li>axis=0：沿着第一个维度（最外层）进行操作，即对每一列的元素进行操作。</li><li>axis=1：沿着第二个维度（中间层）进行操作，即对每一行的元素进行操作。</li><li>axis=2：沿着第三个维度（最内层）进行操作，即对每个小数组内的元素进行操作。</li></ul>
<p><strong>关键点</strong>：当你设置<code>axis=i</code>时，NumPy会沿着第i个维度进行操作，这意味着在这个维度上的所有元素会被聚合在一起进行操作（如求和、平均等），而其他维度保持不变。这适用于任何维度的数组，不仅仅是二维数组。通过这种方式，你可以灵活地控制数据如何被处理和聚合。</p>
頁:
[1]