numpy 函数里面的axis参数的含义
来源:互联网 发布:linux网络运维 编辑:程序博客网 时间:2024/06/07 20:42
前言
numpy支持对矩阵和数组进行运算,因此很多numpy的很多运算都需要指定操作的维数参数axis(当然这些axis都有带默认值的),本博客以numpy.sum求和函数为例,具体分析axis参数不同取值下的含义。
先说结论
设 numpy.sum的输入矩阵为a. numpy.sum的返回矩阵为rst.
则矩阵a的形状为:sp=numpy.shape(a),例如sp=[m,n,p,q···]
rst的形状为将sp的第axis个元素设为1,即:
sp’=sp
sp’[axis]=1
numpy.shape(rst)==sp’ 为真.
例如:axis=2,
如果a是矩阵则:
rst的形状应该为:[m,n,1,q···]
对于rst的元素rst[m’,n’,1,q’···]计算方法为:
【注意第axis轴】下标只能取1.
numpy.sum(a,axis=2)的内部计算其实为:
for i in range(sp[axis]): rst[m'][n'][1][q'][···]+=a[m'][n'][i][q'][···]
结果上发现是第axis维变成1,计算过程其实是对第axis轴进行了遍历,让sp[axis]个元素合并成一个元素。
而如果a是一个array则:
rst的形状应该为:[m,n,q,···]
注意第axis维直接不见了
numpy.sum(a,axis=2)的内部计算
for i in range(sp[axis]): rst[m'][n'][q'][···]+=a[m'][n'][i][q'][···]
结果上发现是第axis维变没了,计算过程其实是对第axis轴进行了遍历,让sp[axis]个元素合并成一个元素。
举例说明
简单点的
import numpy as npa=np.mat([[1,2,3],[4,5,6]])
a的shape:
print (np.shape(a))
输出:(2, 3)
计算:np.sum(a,axis=0)
>>> s0=np.sum(a,axis=0)>>> s0matrix([[5, 7, 9]])
按照【先说结论】的方法:
axis=0
a的形状:(2,3)
所以rst的形状为:(1,3)
对于rst的每个元素p,q:
rst[p][q] 的 计算方法为(其中p只能等于0,q=0,1,2):
for i in range(np.shape(a)[axis]): rst[0][q]+=a[i][q]
所以:
rst[0][0]=a[0][0]+a[1][0]=1+4=5
rst[0][1]=a[0][1]+a[1][1]=2+5=7
rst[0][2]=a[0][2]+a[1][2]=3+6=9
所以rst就是[[5,7,9]]
计算 numpy.sum(a,axis=1)
a=[[1,2,3],[4,5,6]
>>> s1=np.sum(a,axis=1)>>> s1matrix([[ 6], [15]])>>> np.shape(s1)(2, 1)>>>
一样的分析方法:
按照【先说结论】的方法:
axis=1
a的形状:(2,3)
所以rst的形状为:(2,1)
对于rst的每个元素p,q:
rst[p][q] 的 计算方法为(其中p=0,1 ,而q只能为0):
for i in range(np.shape(a)[axis]): rst[p][0]+=a[p][i]
所以:
rst[0][0]=a[0][0]+a[0][1]+a[0][2]=1+2+3=6
rst[1][0]=a[1][1]+a[1][1]+a[1][2]=4+5+6=15
所以rst就是[[6],[15]].
复杂点的:
>>> b=np.array([[[1,2,3],[4,5,6],[7,8,9]]])>>> barray([[[1, 2, 3], [4, 5, 6], [7, 8, 9]]])>>> np.shape(b)(1, 3, 3)
b是1x3x3,是一个array.
那么np.sum(b,axis=2)等于多少呢?
标准答案:
>>> print (np.sum(b,axis=2))[[ 6 15 24]]
分析结果:
返回值应该为1x3形状的array,对于元素rst[p][q].
rst[p][q]=a[p][q][0]+a[p][q][1]+a[p][q][2]
例如rst[0][1]=a[0][1][0]+a[0][1][1]+a[0][1][2]=8+5+6=15.
而np.sum(b,axis=2)的第一行第二个元素正是 15.
关于axis默认值
一般此类针对矩阵、array的函数都有一个axis参数,并且此默认为None.当axis为None使 表示运算是遍历矩阵(array)的每一个元素的,是逐元素的计算。
- numpy 函数里面的axis参数的含义
- 关于numpy mean函数的axis参数
- 关于numpy mean函数的axis参数
- python numpy中axis的含义
- Python Numpy中reshape函数参数-1的含义
- numpy各种函数的axis属性
- numpy里面的argmax函数
- numpy中sum()中axis参数的问题
- Python Pandas与Numpy中axis参数的二义性
- Python Pandas与Numpy中axis参数的二义性
- Python Pandas与Numpy中axis参数的二义性
- Pandas与Numpy中axis参数的二义性
- numpy的axis的学习
- Search help里面几个参数的含义
- C# Main 里面参数的含义
- $.ajax()里面data参数的含义、用法
- numpy里面的broadcast
- Tensorflow中axis的含义
- [BeiJing2006]狼抓兔子 平面图最小割
- leetcode之深搜递归回溯类-----1/167/653. two sum(记忆化搜索寻找和为给定值的两个数)
- java设计模式(一)——普通工厂模式
- <C++>10.对象的定义和使用
- Centos7-NFS服务配置实战
- numpy 函数里面的axis参数的含义
- java9在win10下环境变量设置笔记
- 二进制数转化为8421BCD码的C++程序
- 1049. 数列的片段和(20)
- <C++>11.构造函数
- openCV Python 学习笔记(一)图像的基本操作
- python3.X访问mysql,并读取为DataFrame
- 蓝桥杯 算法提高 高精度加法
- 计算机网络:概述