numpy np.newaxis 的实用分享
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,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:horizontalstack,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]])
以上这篇numpynp.newaxis的实用分享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毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。