Wie wird die Achse im Array von numpy indiziert?

In Numpys Tutorial kann die Achse mit ganzen Zahlen indiziert werden, wie 0für Spalte, 1für Zeile, aber ich verstehe nicht, warum sie auf diese Weise indiziert werden? Und wie finde ich den Index jeder Achse heraus, wenn ich mit mehrdimensionalen Arrays fertig werde?

Per Definition ist die Achsnummer der Dimension der Index dieser Dimension innerhalb des Arrays shape. Dies ist auch die Position, an der während der Indizierung auf diese Dimension zugegriffen wird.

Wenn ein 2D-Array beispielsweise adie Form (5,6) hat, können Sie auf a[0,0]bis zu zugreifen a[4,5]. Achse 0 ist somit die erste Dimension (die "Zeilen") und Achse 1 ist die zweite Dimension (die "Spalten"). Versuchen Sie in höheren Dimensionen, in denen "Zeile" und "Spalte" keinen Sinn mehr ergeben, die Achsen anhand der beteiligten Formen und Indizes zu betrachten.

Wenn Sie dies .sum(axis=n)beispielsweise tun , wird die Dimension nreduziert und gelöscht, wobei jeder Wert in der neuen Matrix der Summe der entsprechenden reduzierten Werte entspricht. Wenn beispielsweise beine Form vorliegt (5,6,7,8)und Sie dies tun c = b.sum(axis=2), wird die Achse 2 (Bemaßung mit Größe 7) reduziert und das Ergebnis hat eine Form (5,6,8). Weiterhin c[x,y,z]ist gleich der Summe aller Elemente b[x,y,:,z].

Wenn überhaupt jemand diese visuelle Beschreibung benötigt:

Sie können die Achse folgendermaßen erfassen:

>>> a = np.array([[[1,2,3],[2,2,3]],[[2,4,5],[1,3,6]],[[1,2,4],[2,3,4]],[[1,2,4],[1,2,6]]])
array([[[1, 2, 3],
    [2, 2, 3]],

   [[2, 4, 5],
    [1, 3, 6]],

   [[1, 2, 4],
    [2, 3, 4]],

   [[1, 2, 4],
    [1, 2, 6]]])
>>> a.shape
(4,2,3)

Ich habe ein Array einer Form mit unterschiedlichen Werten erstellt, (4,2,3)damit Sie die Struktur klar erkennen können. Unterschiedliche Achsen bedeuten unterschiedliche "Ebenen".

Das heißt, axis = 0indizieren Sie die erste Dimension der Form (4,2,3). Es bezieht sich auf die Arrays im ersten []. Es gibt 4 Elemente, also ist seine Form 4:

  array[[1, 2, 3],
        [2, 2, 3]],

  array[[2, 4, 5],
        [1, 3, 6]],

  array[[1, 2, 4],
        [2, 3, 4]],

  array[[1, 2, 4],
        [1, 2, 6]]

axis = 1Indizieren Sie die zweite Dimension in Form (4,2,3). In jedem Array der Ebene befinden sich 2 Elemente : axis = 0, ec Im Array von

 array[[1, 2, 3],
       [2, 2, 3]]

. Die zwei Elemente sind:

array[1, 2, 3]

array[2, 2, 3]

Und der dritte Formwert bedeutet, dass jedes Array-Element der Ebene 3 Elemente enthält : axis = 2. ec Es gibt 3 Elemente in array[1, 2, 3]. Das ist explizit.

Außerdem können Sie die Achse / Abmessungen anhand der Anzahl []am Anfang oder am Ende erkennen. In diesem Fall ist die Zahl 3 ( [[[), so können Sie wählen axisaus axis = 0, axis = 1und axis = 2.

Im Allgemeinen bedeutet Achse = 0, dass alle Zellen mit der ersten Dimension mit jedem Wert der 2. Dimension und 3. Dimension usw. variieren

Beispielsweise hat ein zweidimensionales Array zwei entsprechende Achsen: Die erste verläuft vertikal nach unten über Zeilen (Achse 0) und die zweite horizontal über Spalten (Achse 1).

Für 3D wird es komplex. Verwenden Sie daher mehrere for-Schleifen

>>> x = np.array([[[ 0,  1,  2],
    [ 3,  4,  5],
    [ 6,  7,  8]],
   [[ 9, 10, 11],
    [12, 13, 14],
    [15, 16, 17]],
   [[18, 19, 20],
    [21, 22, 23],
    [24, 25, 26]]])

>>> x.shape #(3, 3, 3)

#axis = 0 
>>> for j in range(0, x.shape[1]):
      for k in range(0, x.shape[2]):
        print( "element = ", (j,k), " ", [ x[i,j,k] for i in range(0, x.shape[0]) ])
...
element =  (0, 0)   [0, 9, 18]             #sum is 27
element =  (0, 1)   [1, 10, 19]            #sum is 30
element =  (0, 2)   [2, 11, 20]
element =  (1, 0)   [3, 12, 21]
element =  (1, 1)   [4, 13, 22]
element =  (1, 2)   [5, 14, 23]
element =  (2, 0)   [6, 15, 24]
element =  (2, 1)   [7, 16, 25]
element =  (2, 2)   [8, 17, 26]

>>> x.sum(axis=0)            
array([[27, 30, 33],
       [36, 39, 42],
       [45, 48, 51]])

#axis = 1    
for i in range(0, x.shape[0]):
    for k in range(0, x.shape[2]):
        print( "element = ", (i,k), " ", [ x[i,j,k] for j in range(0, x.shape[1]) ])

element =  (0, 0)   [0, 3, 6]      #sum is 9 
element =  (0, 1)   [1, 4, 7]
element =  (0, 2)   [2, 5, 8]
element =  (1, 0)   [9, 12, 15]
element =  (1, 1)   [10, 13, 16]
element =  (1, 2)   [11, 14, 17]
element =  (2, 0)   [18, 21, 24]
element =  (2, 1)   [19, 22, 25]
element =  (2, 2)   [20, 23, 26]

# for sum, axis is the first keyword, so we may omit it,

>>> x.sum(0), x.sum(1), x.sum(2)
(array([[27, 30, 33],
        [36, 39, 42],
        [45, 48, 51]]),
 array([[ 9, 12, 15],
        [36, 39, 42],
        [63, 66, 69]]),
 array([[ 3, 12, 21],
        [30, 39, 48],
        [57, 66, 75]]))