numpy中軸處理的實(shí)現(xiàn)

更新時(shí)間：2023年03月19日 14:32:22 作者：wugou2014

本文主要介紹了numpy中軸處理的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

numpy中軸參數(shù)的意義

指定的軸是被壓縮的軸

沿軸的時(shí)候可以指定兩個(gè)軸，即面被壓縮，以面作為輸入

numpy中軸轉(zhuǎn)動(dòng)

numpy中添加新軸

np.newaxis 在使用和功能上等價(jià)于 None，其實(shí)就是 None 的一個(gè)別名

import numpy as np
 
a=np.array([1,2,3])
 
b=a[np.newaxis,:]
c=a[:,np.newaxis]

numpy中軸擴(kuò)展

numpy.expand_dims(a,axis)

擴(kuò)展一個(gè)維就是把一個(gè)維往后挪，或者增加

Numpy中廣播數(shù)據(jù)維

numpy.broadcast_to函數(shù)將數(shù)組廣播到新形狀。它在原始數(shù)組上返回只讀視圖。它通常不連續(xù)。如果新形狀不符合 NumPy 的廣播規(guī)則，該函數(shù)可能會(huì)拋出ValueError。

numpy.broadcast_to(array,shape, subok)

import numpy as np
 
a = np.arange(4).reshape(1, 4)
 
print(">>>")
print(a.shape)
print(a)
print()
 
b = np.broadcast_to(a, (4, 4))
print(">>>")
print(b.shape)
print(b)
 
>>>
(1, 4)
[[0 1 2 3]]
 
>>>
(4, 4)
[[0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]]

numpy中縮減軸

numpy交換兩個(gè)軸

numpy.swapaxes(arr,axis1, axis2)

其中：

arr：要交換其軸的輸入數(shù)組
axis1：對(duì)應(yīng)第一個(gè)軸的整數(shù)
axis2：對(duì)應(yīng)第二個(gè)軸的整數(shù)

numpy滾動(dòng)軸

numpy.rollaxis()函數(shù)向后滾動(dòng)特定的軸，直到一個(gè)特定位置。這個(gè)函數(shù)接受三個(gè)參數(shù)：

numpy.rollaxis(arr,axis, start)

其中：

arr：輸入數(shù)組
axis：要向后滾動(dòng)的軸，其它軸的相對(duì)位置不會(huì)改變
start：默認(rèn)為零，表示完整的滾動(dòng)。會(huì)滾動(dòng)到特定位置。

a = np.arange(24).reshape(2, 3, 4)
print(">>>")
print(a.shape)
print(a)
print()
 
roll = np.rollaxis(a, 2) # 把第2個(gè)軸滾動(dòng)到0維位置
print(">>>")
print(roll.shape)
print(roll)
print()
 
roll2 = np.rollaxis(a, 2, 1) # 把第2個(gè)軸滾動(dòng)到1維位置
print(">>>")
print(roll2.shape)
print(roll2)
print()
 
 
>>>
(2, 3, 4)
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
 
>>>
(4, 2, 3)
[[[ 0  4  8]
  [12 16 20]]
 
 [[ 1  5  9]
  [13 17 21]]
 
 [[ 2  6 10]
  [14 18 22]]
 
 [[ 3  7 11]
  [15 19 23]]]
 
>>>
(2, 4, 3)
[[[ 0  4  8]
  [ 1  5  9]
  [ 2  6 10]
  [ 3  7 11]]
 
 [[12 16 20]
  [13 17 21]
  [14 18 22]
  [15 19 23]]]