Wie können Sie np.newaxis verwenden, um Array-Dimensionen in NumPy zu manipulieren?

Np.newaxis verstehen: Ein umfassender Leitfaden

np.newaxis, oft als None bezeichnet, ist eine vielseitige Funktion in NumPy, die Ihnen ermöglicht um die Dimensionalität bestehender Arrays durch Einfügen einer neuen Achse zu erhöhen. Insbesondere fügt es dem Array bei einmaliger Verwendung eine einzige zusätzliche Dimension hinzu.

Szenarien für die Verwendung von np.newaxis:

1. Zeilen-/Spaltenvektoren erstellen:

Diese Funktion ist besonders nützlich, wenn Sie ein 1D-Array explizit entweder in einen Zeilenvektor (durch Einfügen einer Achse entlang der ersten Dimension) oder einen Spaltenvektor (durch Einfügen einer Achse entlang der zweiten Dimension).

2. Broadcasting Arrays:

np.newaxis kann bei der Durchführung von Operationen, wie z. B. Additionen, zwischen Arrays unterschiedlicher Dimensionen verwendet werden. Durch das Hinzufügen einer Achse zu einem der Arrays ermöglicht NumPy die Übertragung, sodass der Vorgang fortgesetzt werden kann.

3. Arrays in höhere Dimensionen hochstufen:

np.newaxis kann mehrfach verwendet werden, um ein Array in höhere Dimensionen zu heben, was manchmal für komplexe Operationen mit Arrays höherer Ordnung (Tensoren) erforderlich ist.

Vergleich mit np.reshape:

np.newaxis fungiert als Platzhalter und fügt vorübergehend eine Achse hinzu, während np.reshape das Array in ein angegebenes Layout umformt, sofern die Abmessungen übereinstimmen.

Beispiel:

<code class="python"># 1D array
arr = np.arange(4)
# Create a column vector
col_vec = arr[:, np.newaxis]  # Same as arr[:, None]
print(col_vec.shape)  # (4, 1)</code>

Alternativ kann die Funktion expand_dims für mehr Übersichtlichkeit verwendet werden.

<code class="python">col_vec = np.expand_dims(arr, axis=1)
print(col_vec.shape)  # (4, 1)</code>

Tipp:

Verwenden Sie None als Ersatz für np.newaxis, da es sich grundsätzlich um dasselbe Objekt handelt.

Das obige ist der detaillierte Inhalt vonWie können Sie np.newaxis verwenden, um Array-Dimensionen in NumPy zu manipulieren?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!