numpy中轴处理的实现

numpy中轴参数的意义

指定的轴是被压缩的轴

沿轴的时候可以指定两个轴，即面被压缩，以面作为输入

numpy中轴转动

numpy中添加新轴

np.newaxis 在使用和功能上等价于 None，其实就是 None 的一个别名

import numpy as np

a=np.array([1,2,3])

b=a[np.newaxis,:]
c=a[:,np.newaxis]

numpy中轴扩展

numpy.expand_dims(a,axis)

扩展一个维就是把一个维往后挪，或者增加

Numpy中广播数据维

numpy.broadcast_to函数将数组广播到新形状。它在原始数组上返回只 读视图。它通常不连续。如果新形状不符合 NumPy 的广播规则，该函数可能会抛出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中缩减轴

numpy交换两个轴

numpy.swapaxes(arr,axis1, axis2)

其中：

• arr：要交换其轴的输入数组

• axis1：对应第一个轴的整数

• axis2：对应第二个轴的整数

numpy滚动轴

numpy.rollaxis()函数向后滚动特定的轴，直到一个特定位置。这个函数接受三个参数：

numpy.rollaxis(arr,axis, start)

其中：

• arr：输入数组

• axis：要向后滚动的轴，其它轴的相对位置不会改变

• start：默认为零，表示完整的滚动。会滚动到特定位置。

a = np.arange(24).reshape(2, 3, 4)
print(">>>")
print(a.shape)
print(a)
print()

roll = np.rollaxis(a, 2) # 把第2个轴滚动到0维位置
print(">>>")
print(roll.shape)
print(roll)
print()

roll2 = np.rollaxis(a, 2, 1) # 把第2个轴滚动到1维位置
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]]]

numpy中数据拼接操作concatenate

concatenate：沿现有轴加入一系列数组

stack：沿新轴加入一系列数组，即stack(arrays, axis=0)

column_stack：把1维数组当作列堆叠成二维数组

为了向后兼容

dstack：沿深度方向堆叠数组

hstack：沿水平方法堆叠数组

vstack：沿垂直方向堆叠数组

来源：https://blog.csdn.net/wugou2014/article/details/12946460