np.newaxis()函数的具体使用
np.newaxis
np.newaxis 的功能是增加新的维度,但是要注意 np.newaxis 放的位置不同,产生的矩阵形状也不同。
通常按照如下规则:
np.newaxis 放在哪个位置,就会给哪个位置增加维度
- x[:, np.newaxis] ,放在后面,会给列上增加维度
- x[np.newaxis, :] ,放在前面,会给行上增加维度
用途: 通常用它将一维的数据转换成一个矩阵,这样就可以与其他矩阵进行相乘。
例1:这里的 x 是一维数据,其 shape 是 4,可以看到通过在列方向上增加新维度,变成了 4 x 1 的矩阵,也就是在 shape 的后面发生了变化。
x = np.array([1, 2, 3, 4])
print(x.shape)
x_add = x[:, np.newaxis]
print(x_add.shape)
print(x_add)
>>>
(4,)
(4, 1)
[[1]
[2]
[3]
[4]]
例2:通过在行方向上增加新的维度,变成了 1 x 4 的矩阵,也就是在 shape 的前面发生了变化。
x = np.array([1, 2, 3, 4])
print(x.shape)
x_add = x[np.newaxis, :]
print(x_add.shape)
print(x_add)
>>>
(4,)
(1, 4)
[[1 2 3 4]]
例3:给矩阵增加一个维度。
x = np.array([[1, 2, 3, 4], [2, 3, 4, 5]])
print(x.shape)
x_add = x[:, np.newaxis]
print(x_add)
print(x_add.shape)
>>>
(2, 4)
[[[1 2 3 4]]
[[2 3 4 5]]]
(2, 1, 4)
到此这篇关于np.newaxis()函数的具体使用的文章就介绍到这了,更多相关np.newaxis使用内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
相关文章