NumPy中的维度Axis

谁借莪１个温暖的怀抱￠ 2022-02-18 07:56 256阅读 0赞

### 文章目录 ###

*  浅谈NumPy中的维度Axis
 *   *  二维数组的列子
     *  多维数组

写作时间：2019-04-16 14:56:53

--------------------

# 浅谈NumPy中的维度Axis #

NumPy中的维度是一个很重要的概念，很多函数的参数都需要给定维度Axis，如何直观的理解维度呢？我们首先以二维数组为例进行说明，然后推广到多维数组。

(有人将`ndim`属性叫维度，将`axis`叫轴，我还是习惯将`axis`称之为维度，`axis=0`称为第一个维度)

## 二维数组的列子 ##

下面是一个二维数组的列子：

In [1]: import numpy as np
    
    In [2]: x = np.random.randint(0, 9, (2, 3))
    
    In [3]: x
    Out[3]:
    array([[0, 8, 6],
           [1, 2, 1]])
    
    In [4]: x.ndim
    Out[4]: 2
    
    In [5]: x.shape
    Out[5]: (2, 3)
    
    In [6]: x[0]
    Out[6]: array([0, 8, 6])
    
    In [7]: x[:, 0]
    Out[7]: array([0, 1])
    
    In [8]: x.sum(axis=0)
    Out[8]: array([ 1, 10,  7])
    
    In [9]: x.sum(axis=1)
    Out[9]: array([14,  4])
    
    In [10]: x[0] + x[1]
    Out[10]: array([ 1, 10,  7])
    
    In [11]: x[:, 0] + x[:, 1] + x[:, 2]
    Out[11]: array([14,  4])

看上面这个例子，`x`是一个2行3列的数组，所以`x`是一个二维数组。

从第6和第7个输入输出，我们可以肯定地说"对于二维数组，第一维指的是行，第二维指的是列"。

我们通过`sum`求和函数，探究一下`x`的第一维和第二维的意义？从第8个和第9个输入输出，我们可以看到对于参数`axis=0`，其结果是数组列的和；而对于参数`axis=1`，其参数是数组行的和。

对于`axis=0`第一个维度求和，不是将第一维度（行）中的所有元素相加，而是沿着第一个维度，将对应其他维度（列）的数据相加，分解开来就是第10个输入输出。同理，对于`axis=1`，是沿着列，将行中的元素相加。

NumPy中对于维度的操作都是以类似这样的逻辑操作的。

## 多维数组 ##

对于多维数组我们如何准确区分维度呢？下面以图示进行说明：  
![NumPy中的维度][NumPy]

所以，我的结论就是：在概念上维度是从整体到局部看的，最外围的是第一个维度，然后依次往里，最内部的就是最后一维。

下面我们用代码验证一下上面的结论：

In [19]: x = np.random.randint(0, 9, (2, 3, 4))
    
    In [20]: x
    Out[20]:
    array([[[0, 7, 5, 5],
            [6, 3, 1, 3],
            [7, 5, 3, 4]],
    
           [[8, 1, 4, 6],
            [8, 1, 4, 8],
            [3, 0, 8, 2]]])
    
    In [21]: x[0]
    Out[21]:
    array([[0, 7, 5, 5],
           [6, 3, 1, 3],
           [7, 5, 3, 4]])
    
    In [22]: x[:, 0, :]
    Out[22]:
    array([[0, 7, 5, 5],
           [8, 1, 4, 6]])

可以看到，第21个输入输出取到的是第一维的第一个元素，第22个输入输出取到的是第二维的第一个元素。大家可以细细体味一下！

[NumPy]: /images/20220218/c7ba223fb264416c95960699082c47d5.png