numpy中多维数组的轴（axis）

多维数组的轴（axis=）是和该数组的size（或者shape）的元素是相对应的；

>>> np.random.seed(123)
>>> X = np.random.randint(0, 5, [3, 2, 2])
>>> print(X)[[[5 2][4 2]][[1 3][2 3]][[1 1][0 1]]]>>> X.sum(axis=0)
array([[7, 6],[6, 6]])>>> X.sum(axis=1)
array([[9, 4],[3, 6],[1, 2]])>>> X.sum(axis=2)
array([[7, 6],[4, 5],[2, 1]])

如果将三维数组的每一个二维看做一个平面（plane，X[0, :, :], X[1, :, :], X[2, :, :]），三维数组即是这些二维平面层叠（stacked）出来的结果。则（axis=0）表示全部平面上的对应位置，（axis=1），每一个平面的每一列，（axis=2），每一个平面的每一行。

考察多维数组的dot运算

numpy.dot(a, b, out=None)

For 2-D arrays it is equivalent to matrix multiplication,

两个二维数组的dot运算遵循矩阵乘法（其实一个二维一个一维也是矩阵乘法（AxAx））
and for 1-D arrays to inner product of vectors (without complex conjugation).

两个一维数组的dot运算执行的是内积运算（对应位相乘相加）
For N dimensions it is a sum product over the last axis of a and the second-to-last of b。

dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
a的最后一轴与b的倒数第二轴，（而 np.tensordot 可灵活地指定相互作用的两个矩阵的任意轴）
这不正是著名的 Am×n⋅Bn×pA_{m\times n}\cdot B_{n\times p}，AA 的每一行乘以 BB的每一列；

>>> X.dot([1, 1])
array([[7, 6],[4, 5],[2, 1]])# X的最后一轴是每一个二维的行方向

此时如果我们想通过矩阵与向量（一维）内积的方式实现（np.sum(X, axis=0)的结果）需使用np.tensordots(X, [1, 1, 1], axes=([0], [0]))，具体的用法见 np.tensordots文档。

>>> np.tensordots(X, [1, 1, 1], axes=([0], [0]))array([[7, 6],[6, 6]])

我们再来看看如何实现多维数组求平均的动作（每一个二维平面对应位的平均）：

>>> X = np.random.randint(0, 5, [3, 2, 2])
>>> X
array([[[3, 4],[2, 2]],[[3, 4],[2, 3]],[[2, 1],[1, 3]]])>>> np.tensordot(X, [1/3, 1/3, 1/3], axes=([0], [0]))
array([[ 2.66666667,  3.        ],[ 1.66666667,  2.66666667]])

numpy中多维数组的轴（axis）相关推荐

一文弄懂Numpy中ndarray的维度(dimension)/轴数(axis/axes)问题
Numpy库的核心是ndarray,实际上就是N维数组(N-dimensional array),关于这个数据对象的详细介绍,参考官方文档最为合适.有一点要注意的是,ndarray的内置方法只有30多 ...
Numpy 笔记: 多维数组的切片(slicing)和索引(indexing)【转】
目录切片(slicing)操作索引(indexing) 操作最简单的情况获取多个元素切片和索引的同异切片(slicing)操作 Numpy 中多维数组的切片操作与 Python 中 lis ...
图解数据分析(10) | Numpy - 与2维数组操作（数据科学家入门·完结）
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/33 本文地址:https://www.showmeai.tech/article-d ...
python一维数组和二维数组_Python numpy实现二维数组和一维数组拼接的方法
Python numpy实现二维数组和一维数组拼接的方法撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape ...
Numpy之N维数组-ndarray
Numpy之N维数组-ndarray 1 ndarray的属性数组属性反映了数组本身固有的信息. 属性名字属性解释 ndarray.shape 数组维度的元组 [假如是8行5列的数组,将会返 ...
Python numpy实现二维数组和一维数组拼接
撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape 输出的值应该为(3,) 二维数组 2.numpy初始化二 ...
python笔记之NUMPY中的掩码数组numpy.ma.mask
python科学计算_numpy_线性代数/掩码数组/内存映射数组 1. 线性代数 numpy对于多维数组的运算在默认情况下并不使用矩阵运算,进行矩阵运算可以通过matrix对象或者矩阵函数来进行: ...
python一维数组和二维数组,Python numpy实现二维数组和一维数组拼接的方法
撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape 输出的值应该为(3,) 二维数组 2.numpy初始化二 ...
NumPy 创建多维数组
NumPy 创建多维数组 arange 函数创建的数组作为列表元素,把这个列表作为参数传给 array 函数,从而创建了一个 2 × 2 的数组,而且没有出现任何报错信息. Example 1 #!/ ...

numpy中多维数组的轴（axis）

考察多维数组的dot运算

numpy中多维数组的轴（axis）相关推荐

最新文章

热门文章