numpy axis = 0 1彻底理解

向右看齐 2023-07-24 05:52 19阅读 0赞

# **先一句话总结：** #

axis=n,表示对n+1层\[ \]内的最大单位做跨单位运算  
**例如：axis = 0表示对最外层\[\],也就是第1层里的最大单位块做块与块之间的运算**  
另外：有几层\[ \]，就是几维数组，ndarray.shape=（2,3,4），也可以理解为：第一层\[\]中有2个最大单位，第二层中有3个，第三层中有4个。

## 详细说明如下： ##

numpy中axis取值的说明  
首先对numpy中axis取值进行说明：一维数组时axis=0，二维数组时axis=0，1，维数越高，则axis可取的值越大，数组n维时，axis=0，1，…，n。为了方便下面的理解，我们这样看待：在numpy中数组都有着\[\]标记，则axis=0对应着最外层的\[\]，axis=1对应第二外层的\[\]，以此类推，axis=n对应第n外层的\[\]。  
下面开始从axis=0，axis=1这两个例子开始，深入透彻的理解numpy中axis的用法。  
axis = 0表示对最外层\[\]里的最大单位块做块与块之间的运算,同时移除最外层\[\]：

a= np.array([1,2,3])    
    a.sum(axis = 0)
    >>>6
    123

因为只有一层\[\]，所以直接对这一层里的最大单位快1，2，3做运算；  
做完加法后本应是\[6\]，但是移除最外层\[\]后，\[\]不存在了，所以返回的是6。

a= np.array([[1,2],[3,4]])  
    a.sum(axis = 0)
    >>>array([4, 6])
    123

有两层\[\]，最外层\[\]里的最大单位块分别为\[1,2\]，\[3,4\]，对这两个单位块做块与块之间的运算，\[1,2\]+\[3,4\] = \[4, 6\]；  
做完加法后本应是\[\[4, 6\]\]，但是移除最外层\[\]后，原来的两层\[\]变成一层\[\],所以返回结果为 \[4, 6\]。

np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
    a.sum(axis = 0)
    >>>array([[12, 14], [16, 18]])
    123

有三层\[\]，最外层\[\]里的最大单位块分别为\[\[1,2\],\[3,4\]\]，\[\[11,12\],\[13,14\]\]，对这两个单位块做块与块之间的运算，\[\[1,2\],\[3,4\]\] + \[\[11,12\],\[13,14\]\] = \[\[12, 14\], \[16, 18\]\]；  
做完加法后本应是\[\[\[12, 14\], \[16, 18\]\]\]，但是移除最外层\[\]后，原来的三层\[\]变成两层\[\],所以返回结果为\[\[12, 14\], \[16, 18\]\]；  
axis= 1表示对第二外层\[\]里的最大单位块做块与块之间的运算,同时移除第二外层\[\]：

a= np.array([1,2,3])    
    a.sum(axis = 1)
    >>>ValueError: 'axis' entry is out of bounds
    123

因为只有一层\[\]，axis取值只有一个，为0.

a= np.array([[1,2],[3,4]])  
    a.sum(axis = 1)
    >>>array([3, 7])
    123

有两层\[\]，第二外层\[\]里的最大单位块有两组（因为有两个第二外层\[\]），第一组是1，2，第二组是3，4，分别对这两个单位块做块与块之间的运算，第一组结果为1+2=3，第二组结果为3+4=7；  
做完加法后本应是\[\[3\],\[7\]\]，但是\*\*移除第二外层\[\]\*\*后，原来的两层\[\]变成一层\[\],所以返回结果为\[3, 7\]。

np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
    a.sum(axis = 1)
    >>>array([[ 4,  6], [24, 26]])
    123

有三层\[\]，第二外层\[\]里的最大单位块有两组（因为有两个第二外层\[\]），第一组是\[1,2\],\[3,4\]，第二组是\[11,12\],\[13,14\]，分别对这两个单位块做块与块之间的运算，第一组结果为\[1,2\]+\[3,4\] = \[ 4, 6\]，第二组结果为\[11,12\]+\[13,14\] = \[24, 26\]  
做完加法后本应是\[\[\[ 4, 6\]\], \[\[24, 26\]\]\]，但是移除第二外层\[\] 后，原来的三层\[\]变成两层\[\],所以返回结果为\[\[ 4, 6\], \[24, 26\]\]  
axis = 3，4，5也如此分析  
看懂了这些说明，相信你对axis已经有了深入的理解，以后再也不用怕高维数组关于axis的运算了！