np.newaxis 实现为 numpy.ndarray(多维数组)增加一个轴
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：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]])
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:operandscouldnotbebroadcasttogetherwithshapes(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。