由于之前学过matlab,目前学习python3,在这里遇到点坑,记录一下。
np.newaxis 在官方介绍下,就是增加一个维度,感觉十分抽象,不知所云,这里我用实验验证下这个函数。
# 先定义一个 一维数组
In [33]: x
Out[33]: array([0, 1, 2, 3, 4])
In [34]: x.shape
Out[34]: (5,)
# 使用np.newaxis 在 列 的方向加一个轴
In [35]: y1 = x[:,np.newaxis]
In [36]: y1.shape
Out[36]: (5, 1)
#
# 使用np.newaxis 在 行 的方向加一个轴
In [37]: y1 = x[np.newaxis,:]
In [38]: y1.shape
Out[38]: (1, 5)
这里,你可能发现了,加一个轴的意思可能是增加一个维度,比如说从一维数组变成二维数组。
那问题来了,加了以后有什么意义吗?
给你看个例子,你可能会惊讶并且想不通,
In [43]: x
Out[43]: array([0, 1, 2, 3, 4])
In [45]: y1 = x[:,np.newaxis]
In [46]: y2 = x[np.newaxis,:]
In [47]: print(y1,y2)
[[0]
[1]
[2]
[3]
[4]] [[0 1 2 3 4]]
# 注意看,[1,5],[5,1]的矩阵居然可以相加
In [48]: y1 + y2
Out[48]:
array([[0, 1, 2, 3, 4],
[1, 2, 3, 4, 5],
[2, 3, 4, 5, 6],
[3, 4, 5, 6, 7],
[4, 5, 6, 7, 8]])
答案是矩阵被重塑了,即在自己维度重塑了,可以通过下面例子理解,如下
In [55]: np.hstack((y1,y1,y1,y1,y1))
Out[55]:
array([[0, 0, 0, 0, 0],
[1, 1, 1, 1, 1],
[2, 2, 2, 2, 2],
[3, 3, 3, 3, 3],
[4, 4, 4, 4, 4]])
In [56]: np.vstack((y2,y2,y2,y2,y2))
Out[56]:
array([[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4]])