NumPy对于轴(axis)和秩(rank)的理解

 

 

• 轴（axis)：保护数据的维度，数组最外围的维度axis=0
  • 矩阵（二维数组）
    • 第一轴(axis=0)是矩阵的列操作
    • 第二轴(axis=1)是矩阵的行操作
  • 三维数组
    • 第三轴(axis=2)为图像矩阵的通道

• 秩（rank)：轴的数量，即数组的维度

上面的看不懂不要急，看看例子就会懂了

np.sum(array, axis=None)函数表示对数组array进行求和（默认axis=None），可通过修改参数axis达到对数组array不同轴的操作。
eg：np.sum(a2,axis=0)对数组a2的第一轴(axis=0)求和

• 对于二维数组a2(3,4)

a2=np.arange(12).reshape(3,4)
a2
Out: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

np.sum(a2,axis=0)
Out: array([12, 15, 18, 21])
# ps:12=0+4+8, 15=1+5+9, 18=2+6+10, 21=3+7+11

np.sum(a2,axis=1)
Out: array([ 6, 22, 38])
# ps:6=0+1+2+3, 22=4+5+6+7, 38=8+9+10+11

总结一下

• axis=0的结果为（axis, 4） 大小为四的一维数组，值为(0, i) + (1, i) + (2, i)
• axis=1的结果为（3, axis） 大小为三的一维数组，值为(i, 0) + (i, 1) + (i, 2) + (i, 3)
  它的秩的值为2（二维数组，共有两个轴）

• 对于三维数组 a(2,3,4)

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]]])
np.sum(a,axis=0)
# 对a数组第一轴求和
Out: 
array([[12, 14, 16, 18],
       [20, 22, 24, 26],
       [28, 30, 32, 34]])
# ps:12=0+12，14=1+13，16=2+14，18=3+15
#    20=4+16，...
#    28=8+28, ...
np.sum(a,axis=1)
# 对a数组第二轴求和
Out: 
array([[12, 15, 18, 21],
       [48, 51, 54, 57]])
# ps:12= 0+ 4+ 8, 15= 1+ 5+ 9, 18= 2+ 6+10, 21= 3+ 7+11
#    48=12+16+20, ...
np.sum(a,axis=2)
Out: 
array([[ 6, 22, 38],
       [54, 70, 86]])
# ps: 6= 0+ 1+ 2+ 3, 22= 4+ 5+ 6+ 7, 38= 8+ 9+10+11
#    54=12+13+14+15, ...

总结一下

• axis=0的结果为（axis, 3, 4） 三行四列的矩阵，值为(0, i, j) + (1, i, j)
• axis=1的结果为（2, axis, 4） 二行四列的矩阵，值为(i, 0, j) + (i, 1, j) + (i, 2, j)
• axis=2的结果为（2, 3, axis） 二行三列的矩阵，值为(i, j, 0) + (i, j, 1) + (i, j, 2) + (i, j, 3)
  它的秩的值为3（共有三个轴，维度为三）