本文共 1792 字，大约阅读时间需要 5 分钟。

numpy中多维数组的轴sum（axis）  2018/11/21

前言：

什么叫做轴呢，官方文档的说明不好理解，简单说吧数组有多少个中括号就叫做几轴，a.ndim一般不等a.shape[0]如 a=np.arange(80).reshape(20,2,2)  a.ndim# 3        a.shape# (20, 2, 2)

本人在网上搜索很多，没有见到很好的解释，一般很难理解。仔细看测试程序你能够理解轴的计算原理，见解有限，欢迎

各位大侠提供更好的解释方法。

=====================================================================================

1.axis 运算总结

       一元运算通过axis沿指定轴操作

    1）.a.ndim=2

        axis=0相当于垂直方向各个元素；

        axis=1相当于水平方向上处理各个元素；

    2）.a.ndim=3

axis=0结果：

       rst[m][n]=a[0][m][n]+a[1][m][n] +a[2][m][n]                       i=l_a

axis=1结果：

       rst[m][n]=a[m][0][n]+a[m][1][n] +a[m][2][n] +a[m][3][n]             i=m_a

axis=2结果：

       rst[m][n]=a[m][n][0]+a[m][n][1] +a[m][n][2] +a[m][n][3]+ a[m][n][4]   i=n_a

====================================================================================

axis sum总结：（3轴）更多轴你可以做类似推理，比较复杂，在此就不写测试代码。

   a.shape=(l_a , m_a, n_a)

   rst.shape=(m,n) 

   axis=0  (m_a, n_a);

   axis=1  (l_a, n_a);

   axis=2  (l_a, m_a)

====================================================================================

2运算详解：

3.测试程序

def isum(a,axes=0):    i0,m0,n0=a.shape    if axes == 0:        rst = np.zeros((m0, n0))    elif axes == 1:        rst = np.zeros((i0, n0))    else:        rst = np.zeros((i0, m0))    for i in range(i0):        for m in range(m0):            for n in range(n0):                if axes==0:                    rst[m][n] += a[i][m][n]                elif axes==1:                    rst[i][n] += a[i][m][n]                else:                    rst[i][m] += a[i][m][n]    return rst

isum(a)

Out[44]:  array([[ 60.,  63.,  66.,  69.,  72.],        [ 75.,  78.,  81.,  84.,  87.],        [ 90.,  93.,  96.,  99., 102.],        [105., 108., 111., 114., 117.]])

isum(a,1)

Out[45]:  array([[ 30.,  34.,  38.,  42.,  46.],        [110., 114., 118., 122., 126.],        [190., 194., 198., 202., 206.]])

isum(a,2)

Out[46]:  array([[ 10.,  35.,  60.,  85.],        [110., 135., 160., 185.],        [210., 235., 260., 285.]])

 

 

转载地址：https://chunyou.blog.csdn.net/article/details/84327488 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！