前言
numpy支持对矩阵和数组进行运算，因此很多numpy的很多运算都需要指定操作的维数参数axis（当然这些axis都有带默认值的），本博客以numpy.sum求和函数为例，具体分析axis参数不同取值下的含义。
先说结论
设 numpy.sum的输入矩阵为a. numpy.sum的返回矩阵为rst.
则矩阵a的形状为：sp=numpy.shape(a)，例如sp=[m,n,p,q···]
rst的形状为将sp的第axis个元素设为1,即：
|
1
2
3
|
sp'=spsp'[axis]=1numpy.shape(rst)==sp' 为真. |
例如：axis=2，
如果a是矩阵则：
rst的形状应该为：[m,n,1,q···]
对于rst的元素rst[m',n',1,q'···]计算方法为：
【注意第axis轴】下标只能取1.
numpy.sum(a,axis=2)的内部计算其实为：
|
1
2
|
for i in range(sp[axis]): rst[m'][n'][1][q'][···]+=a[m'][n'][i][q'][···] |
结果上发现是第axis维变成1，计算过程其实是对第axis轴进行了遍历,让sp[axis]个元素合并成一个元素。
而如果a是一个array则：
rst的形状应该为：[m,n,q,···]
注意第axis维直接不见了
numpy.sum(a,axis=2)的内部计算
|
1
2
|
for i in range(sp[axis]): rst[m'][n'][q'][···]+=a[m'][n'][i][q'][···] |
结果上发现是第axis维变没了，计算过程其实是对第axis轴进行了遍历,让sp[axis]个元素合并成一个元素。
举例说明
简单点的
|
1
2
|
import numpy as npa=np.mat([[1,2,3],[4,5,6]]) |
a的shape:
|
1
|
print (np.shape(a)) |
输出：(2, 3)
计算：np.sum(a,axis=0)
|
1
2
3
|
>>> s0=np.sum(a,axis=0)>>> s0matrix([[5, 7, 9]]) |
按照【先说结论】的方法：
|
1
|
axis=0 |
a的形状：(2,3)
所以rst的形状为：（1，3）
对于rst的每个元素p,q:
rst[p][q] 的 计算方法为（其中p只能等于0，q=0,1,2）：
|
1
2
|
for i in range(np.shape(a)[axis]): rst[0][q]+=a[i][q] |
所以：
|
1
2
3
|
rst[0][0]=a[0][0]+a[1][0]=1+4=5rst[0][1]=a[0][1]+a[1][1]=2+5=7rst[0][2]=a[0][2]+a[1][2]=3+6=9 |
所以rst就是[[5，7，9]]
计算 numpy.sum（a,axis=1)
a=[[1,2,3],[4,5,6]
|
1
2
3
4
5
6
7
|
>>> s1=np.sum(a,axis=1)>>> s1matrix([[ 6], [15]])>>> np.shape(s1)(2, 1)>>> |
一样的分析方法：
按照【先说结论】的方法：
|
1
|
axis=1 |
a的形状：(2,3)
所以rst的形状为：（2，1）
对于rst的每个元素p,q:
rst[p][q] 的 计算方法为（其中p=0,1 ,而q只能为0）：
|
1
2
|
for i in range(np.shape(a)[axis]): rst[p][0]+=a[p][i] |
所以：
|
1
2
|
rst[0][0]=a[0][0]+a[0][1]+a[0][2]=1+2+3=6rst[1][0]=a[1][1]+a[1][1]+a[1][2]=4+5+6=15 |
所以rst就是[[6],[15]].
复杂点的：
|
1
2
3
4
5
6
7
|
>>> b=np.array([[[1,2,3],[4,5,6],[7,8,9]]])>>> barray([[[1, 2, 3], [4, 5, 6], [7, 8, 9]]])>>> np.shape(b)(1, 3, 3) |
b是1x3x3，是一个array.
那么np.sum(b,axis=2)等于多少呢？
标准答案：
|
1
2
|
>>> print (np.sum(b,axis=2))[[ 6 15 24]] |
分析结果：
返回值应该为1x3形状的array,对于元素rst[p][q].
|
1
|
rst[p][q]=a[p][q][0]+a[p][q][1]+a[p][q][2] |
例如rst[0][1]=a[0][1][0]+a[0][1][1]+a[0][1][2]=8+5+6=15.
而np.sum(b,axis=2)的第一行第二个元素正是 15.
关于axis默认值
一般此类针对矩阵、array的函数都有一个axis参数，并且此默认为None.当axis为None使 表示运算是遍历矩阵（array）的每一个元素的，是逐元素的计算。
补充：python中某些函数axis参数的理解
总结为一句话：
设axis=i，则numpy沿着第i个下标变化的方向进行操作。
当然，这个i是从0开始数的，作为程序员的你一定不会搞错。
axis意为“轴”，它指定了函数在张量（矩阵、等等）上进行操作的方向。
例如有一个ndarray，名叫A，A.shape=(3,8,5,7)。
那么np.sum(A, axis=2)计算的结果的shape就是(3,8,7)。
假设这个shape是(3,8,7)的ndarray变量名为B，那么实际上：
B[i][j][k]=A[i][j][0][k]+A[i][j][1][k]+A[i][j][2][k]+A[i][j][3][k]+A[i][j][4][k]
以下代码你可以自己跑一下试试：
|
1
2
3
4
5
|
import numpy as npA=np.random.randn(3,8,5,7)print("A.shape=",A.shape)B=np.sum(A,axis=2)print("B.shape=",B.shape) |
预期输出为：
A.shape= (3, 8, 5, 7)
B.shape= (3, 8, 7)
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/jmh1996/article/details/78153397
