溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
如下所示：
>> type(np.newaxis) NoneType >> np.newaxis == None True
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)
2. 索引多維數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, )
如果我索引多維數組的某一列時，返回的仍然是列的結構，一種正確的索引方式是：
>>>X[:, 1][:, np.newaxis] array([[2], [6], [10]])
如果想實現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]])
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]])
以上這篇numpy np.newaxis 的實用分享就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
