np.newaxis 的作用为 numpy.ndarray(多维数组)增加一个轴
2018-02-07 22:46
459 查看
>> 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。
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
2
3
4
5
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:
2
3
4
如果想实现第二列和第四列的拼接(层叠):
2
3
4
5
6
当然更为简单的方式还是使用切片:
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)1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
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, )1
2
3
4
5
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]])1
2
3
4
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:horizontal stack,水平方向上的层叠 >>>X_sub array([[2, 4] [6, 8] [10, 12]])1
2
3
4
5
6
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]])
相关文章推荐
- np.newaxis 为 numpy.ndarray(多维数组)增加一个轴
- np.newaxis 为 numpy.ndarray(多维数组)增加一个轴
- np.newaxis 为 numpy.ndarray(多维数组)增加一个轴
- np.newaxis 为 numpy.ndarray(多维数组)增加一个轴
- np.newaxis 为 numpy.ndarray(多维数组)增加一个轴
- numpy给array增加维度np.newaxis的实例
- np.newaxis——np.ndarray增加维数
- numpy给array增加维度np.newaxis
- numpy中多维数组的轴(axis)
- Chapter4-1 NumPy的ndarray:一种多维数组对象
- NumPy-快速处理数据--ndarray对象--多维数组的存取、结构体数组存取、内存对齐、Numpy内存结构
- Python: NumPy中的多维数组ndarray
- NumPy基础 -- 1. ndarray (多维数组对象)
- numpy.ndarray 交换多维数组(矩阵)的行/列
- 一个关于用Array.newInstance方式创建多维数组的问题
- nditer —— numpy.ndarray 多维数组的迭代
- Numpy——ndarray对象(2):数组存取和多维数组
- numpy教程 - 基本数据类型、多维数组ndarray及其切片操作
- numpy中多维数组的轴(axis)
- numpy中多维数组的轴(axis)