2020-07-26-numpy函数解析

newaxis用法

newaxis表示增加一个新的坐标轴

x[:, np.newaxis] ，放在后面，会给列上增加维度
x[np.newaxis, :] ，放在前面，会给行上增加维度

用途： 通常用它将一维的数据转换成一个矩阵，与代码后面的权重矩阵进行相乘。

第一个程序

1
2
3

import numpy as np
a = np.array([1,2,3])
print (a.shape,'\n',a)

结果为：

1 2	(3,) [1 2 3]

第二个程序

1 2	a = np.array([1,2,3])[:,np.newaxis] print (a.shape,'\n',a)

结果为：

(3, 1)
[[1]
[2]
[3]]

和第一个程序相比，a的shape为（3，）现在为（3，1）变为二维数组了，之前为[1,2,3]，现在变为

[[1] [2] [3]]

第三个程序

1 2	a = np.array([1,2,3])[np.newaxis,:] print (a.shape,'\n',a)

输出结果为：

1 2	(1, 3) [[1 2 3]]

输出结果为：

1 2	(1, 3) [[1 2 3]]

总结

np.newaxis的作用就是在原来的数组上增加一个维度。[np.newaxis,:]这个地方np.newaxis放的位置有关，第二个程序放在[:,]的后面，相当于在原来的后面增加一个维度，所以变为(3,1)，而第三个则放在前面，则为(1,3)。加到哪一维，那一维就为1

concatenate用法

-用于进行数组拼接

函数定义：

numpy.concatenate((a1, a2, ...), axis=0, out=None)

axis=0: 合并行
axis=1: 合并列

例子如下：

>>> a=np.array([[1,2,3],[4,5,6]])
 >>> b=np.array([[11,21,31],[7,8,9]])
 # 合并行
 >>> np.concatenate((a,b,c),axis=0)  # 默认情况下，axis=0可以不写
 array([[ 1,  2,  3],
  [ 4,  5,  6],
  [11, 21, 31],
  [ 7,  8,  9]])
 # 合并列
 >>> np.concatenate((a,b),axis=1) 
  array([[ 1,  2,  3, 11, 21, 31],
  [ 4,  5,  6,  7,  8,  9]])