np.newaxis 实现为 numpy.ndarray(多维数组)增加一个轴
更新时间：2019年11月30日 10:02:23 作者：Inside_Zhang
今天小编就为大家分享一篇np.newaxis 实现为 numpy.ndarray(多维数组)增加一个轴，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
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脚本之家。
相关文章
本文从多个角度分析了Python如何遍历字典中的key和value，包括使用for循环、items()方法、keys()方法、values()方法和列表推导式，通过本文的介绍，读者可以更加深入地了解Python中遍历字典的方法,需要的朋友可以参考下2023-09-09
这篇文章主要介绍了python 如何实现一个截屏工具，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下2021-05-05
这篇文章主要介绍了Python实现自动登录百度空间的方法,涉及Python的http请求发送、获取响应、cookie操作等相关技巧,需要的朋友可以参考下2017-06-06
这篇文章主要为大家详细介绍了Python自动查询12306余票并发送邮箱提醒脚本，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-05-05
Pydub是Python音频处理库，可以对音频进行切割、合并、转换、调整音量等操作。本文将对pydub各个知识点和案例进行介绍，需要的可以参考一下2023-03-03
对Keras中predict()方法和predict_classes()方法的区别说明
这篇文章主要介绍了对Keras中predict()方法和predict_classes()方法的区别说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
这篇文章主要介绍了Python socket服务常用操作代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
这篇文章主要介绍了Python 推导式、生成器与切片,生成器实质就是迭代器，通过本文学习能够理解并掌握推导式、切片等用法并能解决实际问题，需要的朋友可以参考下2022-03-03
本文介绍了Python解释器模式,解释器模式即Interpreter Pattern，给定一个语言，定义它的文法的一种表示，并定义一个解释器，这个解释器使用该表示来解释语言中的句子，下面文章进入更深层学习，需要的小伙伴可以参考一下2022-02-02
这篇文章主要介绍了Python中numpy.pad()函数的使用详解,在卷积神经网络中,为了避免卷积运算导致输出图像缩小和图像边缘信息丢失,常常采用图像边缘填充技术,即在图像四周边缘填充0,使得卷积运算后图像大小不会缩小,同时也不会丢失边缘和角落的信息,需要的朋友可以参考下2023-10-10
最新评论