>> type(np.newaxis) NoneType >> np.newaxis == None True

• 1
• 2
• 3
• 4

np.newaxis 在使用和功能上等價于 None，其實就是 None 的一個別名。

1. np.newaxis 的實用

>> x = np.arange(3) >> x array([0, 1, 2]) >> x.shape (3,)>> x[:, np.newaxis] array([[0],[1],[2]])>> x[:, None] array([[0],[1],[2]])>> x[:, np.newaxis].shape(3, 1)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

2. 索引多維數(shù)組的某一列時返回的是一個行向量

>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) >>> X[:, 1] array([2, 6, 10]) % 這里是一個行 >>> X[:, 1].shape % X[:, 1] 的用法完全等同于一個行，而不是一個列， (3, )

• 1
• 2
• 3
• 4
• 5

如果我們索引多維數(shù)組的某一列時，返回的仍然是列的結(jié)構(gòu)，一種正確的索引方式是：

>>>X[:, 1][:, np.newaxis] array([[2], [6], [10]])

• 1
• 2
• 3
• 4

如果想實現(xiàn)第二列和第四列的拼接（層疊）：

>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]]) % hstack：horizontal stack，水平方向上的層疊 >>>X_sub array([[2, 4] [6, 8] [10, 12]])

• 1
• 2
• 3
• 4
• 5
• 6

當然更為簡單的方式還是使用切片：

>> X[:, [1, 3]] array([[ 2, 4],[ 6, 8],[10, 12]])

• 1
• 2
• 3
• 4

版權(quán)聲明：本文為博主原創(chuàng)文章，未經(jīng)博主允許不得轉(zhuǎn)載。 ?

• leixingzhi7

  2017-08-21 19:131樓
• X[:, 1][:, np.newaxis]可以簡化為：X[:, np.newaxis, 1]
• 回復(fù)? 2條回復(fù)

• SHY_SOUL

  2017-09-09 14:00
• 回復(fù)leixingzhi7： 但是感覺這樣寫，不如原來的那個好理解

• lanchunhui

  2017-08-21 21:35
• 回復(fù)leixingzhi7：恩，補充得很好。

總結(jié)

以上是生活随笔為你收集整理的np.newaxis 为 numpy.ndarray（多维数组）增加一个轴的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。