Numpy axis简单解释

在学习python中经常会用到numpy这个科学库，它是用C语言编写的所以对于矩阵的计算速度远远快于python自己的计算方法。这里对于Numpy的安装和介绍就不再提示了，重点说明一下自己对于axis轴的理解。

axis

图中的矩阵是一个shape=(3, 5)的numpy.array，这里不按照是行还是列的说法。而是按照ndims来说，就是第一个维度和第二个维度。按照索引的顺序，axis=0代表的就是第一个维度的方向，axis=1就是代表第二个维度的方向，依次往下类推。

一个简单的二维数组

import numpy as np
arr  = np.random.random((3, 5))

>>>print(arr.shape)
(3, 5)

数组的维度

1 2	>>>print(arr.ndim) 2

数组求和

1 2	sum_0 = np.sum(arr, axis=0) sum_1 = np.sum(arr, axis=1)

按照上面的图表示，当axis=0的时候求和的结果是按照row的方向来求和，也就是说是每一列的求和。当axis=1的时候求和的结果就是按照col的方向来求和，也就是说是每一行的求和。看下面的结果

import numpy as np

array = np.random.random((3, 5))

print(np.sum(array, axis=0))  
print(np.sum(array, axis=1))  

>>>[1.61948631 1.11130637 1.66794932 1.20041938 1.24456878]
>>>[1.97046523 3.43930555 1.43395938]

三维数组

array_3 = np.random.randint(0, 5, [2, 3, 2])

print(np.sum(array_3, axis=0).shape)  
print(np.sum(array_3, axis=1).shape)  
print(np.sum(array_3, axis=2).shape)

三维数组的三个维度，axis=0输出的就是剩下两个维度的结果。同理一样

1
2
3

>>>(3, 2)
>>>(2, 2)
>>>(2, 3)

axis的分析并不难，只是不是通常所记忆的索引问题，所以每次用axis的时候一定要想一想上面的那个图。记住0和1的方向指引，熟能生巧。