numpy的使用说明(六)：一招帮你彻底搞懂axis=0和axis=1

1、关于axis轴的说明

思考：给你一个三维数组，你知道如何设置axis轴的值吗？下面这张图展示的结果你知道怎么来的吗？这些疑问都会在文中给你一一解答。

2、什么是维度？

举例说明

3、什么是高维，什么是低维？

4、二维结构数据的坐标展示

5、axis=0 与 axis=1的含义

6、关于三维数组axis设置

1）案例说明

x = np.arange(8).reshape(2, 2, 2)
display(x)

display(x.sum(axis=0))
display(x.sum(axis=1))
display(x.sum(axis=2))

  

 

  
1
  
2
  
3
  
4
  
5
  
6
 

结果如下

2）结果分析

① 数组x的坐标展示

② 结果分析

• 通过前面的叙述，我们已经知道axis=0表示最高维，axis=1表示次高维，依次下去。因此，对于三维数组来说，axis=0指的就是最高维(三维)，axis=1指的就是次高维(二维)，那么axis=2指的就是最低维(一维)。
• 当axis=0的时候，指的就是，最高维三维变化，其他维度不变化的数据会成为一组，因此x[0][0][0]、x[1][0][0]；x[0][1][0]、x[1][1][0]；x[0][0][1]、x[1][0][1]；x[0][1][1]、x[1][1][1]各自成为一组，你把这组内对应元素相加就是x.sum(axis=0)的答案了。
• 当axis=1的时候，就是次高维二维变化，其他维度不变化，因此x[0][0][0]、x[0][1][0]；x[0][0]1]、x[0][1][1]；x[1][0][0]、x[1][1][0]；x[1][0][1]、x[1][1][1];各自成为一组，你把这组内对应元素相加就是x.sum(axis=1)的答案了。
• 当axis=3的时候，最低维一维变化，其他维度不变化，因次x[0][0][0]、x[0][0][1]；x[0][1][0]、x[0][1][1]；x[1][0][0]、x[1][0][1]；x[1][1][0]、x[1][1][1];各自成为一组，你把这组内对应元素相加就是x.sum(axis=2)的答案了。

文章来源: blog.csdn.net，作者：数据分析与统计学之美，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/weixin_41261833/article/details/103762874