np newaxis 为 numpy ndarray（多维数组）增加一个轴

                       

>> type(np.newaxis)NoneType>> np.newaxis == NoneTrue
   
   

    
    
1
    
    
2
    
    
3
    
    
4
   
   

np.newaxis 在使用和功能上等价于 None，查看源码发现：newaxis = None，其实就是 None 的一个别名。

1. np.newaxis 的实用

>> x = np.arange(3)>> xarray([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)
   
   

    
    
1
    
    
2
    
    
3
    
    
4
    
    
5
    
    
6
    
    
7
    
    
8
    
    
9
    
    
10
    
    
11
    
    
12
    
    
13
    
    
14
    
    
15
    
    
16
    
    
17
    
    
18
    
    
19
   
   

2. 索引多维数组的某一列时返回的是一个行向量

>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])>>> X[:, 1]array([2, 6, 10])       % 这里是一个行>>> X[:, 1].shape       % X[:, 1] 的用法完全等同于一个行，而不是一个列，(3, )
   
   

    
    
1
    
    
2
    
    
3
    
    
4
    
    
5
   
   

如果我们索引多维数组的某一列时，返回的仍然是列的结构，一种正确的索引方式是：

>>>X[:, 1][:, np.newaxis]array([[2],      [6],      [10]])
   
   

    
    
1
    
    
2
    
    
3
    
    
4
   
   

如果想实现第二列和第四列的拼接（层叠）：

>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])                              % hstack：horizontal stack，水平方向上的层叠>>>X_subarray([[2, 4]      [6, 8]      [10, 12]])
   
   

    
    
1
    
    
2
    
    
3
    
    
4
    
    
5
    
    
6
   
   

当然更为简单的方式还是使用切片：

>> X[:, [1, 3]]array([[ 2,  4],       [ 6,  8],       [10, 12]])
   
   

    
    
1
    
    
2
    
    
3
    
    
4
   
   

3. 使用 np.expand_dims

>> X = np.random.randint(0, 9, (2, 3))>> mean_X = np.mean(X, axis=0)>> X - mean_X                      # 这样做是没有问题的>> mean_X = np.mean(X, axis=1)>> X - mean_XValueError: operands could not be broadcast together with shapes (2,3) (2,)
   
   

    
    
1
    
    
2
    
    
3
    
    
4
    
    
5
    
    
6
    
    
7
   
   

此时便需要手动的调整 mean_X 的维度，使其能够 broadcast，有以下三种方式，在指定的轴上进行 broadcast：

• mean_X[:, None]
• mean_X[:, np.newaxis]
• mean_X = np.expand_dims(mean_X, axis=1)

           

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow