Python之Numpy axis理解

前言

之前使用numpy的时候大概了解过axis的用法,对于基本的一维或二维数组,axis=0就代表水平按列操作,axis=1就代表竖直按行操作,也还是挺好理解的,但是最近用到了矩阵数组求平均值的时候遇到了一些问题:

>>> a = np.arange(9).reshape(3,3)
>>> b = np.arange(9,18).reshape(3,3)
>>> c = [a, b]
>>> c
[[[0, 1, 2],
  [3, 4, 5],
  [6, 7, 8]], 
 [[ 9, 10, 11],
  [12, 13, 14],
  [15, 16, 17]]]
>>> np.average(c, axis=0)
array([[ 4.5,  5.5,  6.5],
       [ 7.5,  8.5,  9.5],
       [10.5, 11.5, 12.5]])
>>> np.average(c, axis=1)
array([[ 3.,  4.,  5.],
       [12., 13., 14.]])

显然,当矩阵内嵌矩阵的时候,很难发现这些操作与行和列之间的联系,而网上大部分的解释都是从这个方面进行解释。
我觉得@sky_kkk的这篇文章是对axis最好的解释了,因此做个引用保存,方便他日再生疑惑时查看。
总的来说axis= i的值就是代表着从最外开始数对第i+1[ ] 内的最大单位的块进行操作,因此上面axis=0代表着a,b两个矩阵对应位置求平均,axis=1就代表着对第[ ] 内的最大单位块进行操作,其中第一组中有三个块 [0,1,2],[3,4,5],[6,7,8] 因此对三个块求平均

你可能感兴趣的:(numpy,python,机器学习)