python - 理解 Python 中的 Axis

Question

我看过一些使用 numpy.apply_along_axis 的代码，我总是需要测试这些代码以了解它是如何工作的，因为我不理解 axis Python 中的想法。

比如我测试了this来自引用的简单代码。

我可以看到，对于第一种情况，它采用了矩阵每一行的第一列，而在第二种情况中，考虑了行本身。

所以我构建了一个示例来测试它如何与矩阵数组一起工作(这个问题让我想到了这个轴问题)，它也可以看作是一个 3d 矩阵，其中每一行都是一个矩阵，对吧？

a = [[[1,2,3],[2,3,4]],[[4,5,6],[9,8,7]]]

import numpy
data = numpy.array([b for b in a])

def my_func(x):
    return (x[0] + x[-1]) * 0.5

b = numpy.apply_along_axis(my_func, 0, data)
b = numpy.apply_along_axis(my_func, 1, data)

这给了我:

array([[ 2.5,  3.5,  4.5],
       [ 5.5,  5.5,  5.5]])

和:

array([[ 1.5,  2.5,  3.5],
       [ 6.5,  6.5,  6.5]])

对于第一个结果，我得到了预期的结果。但是对于第二个，我想我会收到:

array([[ 2.,  3.],
       [ 5.,  8.]])

然后我认为这可能应该是一个 axis=2 并且我得到了之前测试它的结果。所以，我想知道这是如何正常工作的。

谢谢。

Answer 1

首先，data=numpy.array(a)已经足够了，不用numpy.array([b for b in a])了.

data现在是 3D ndarray 形状(2,2,3) , 并且有 3 个轴 0, 1, 2 .第一个轴的长度为2，第二个轴的长度也为2，第三个轴的长度为3。

因此numpy.apply_along_axis(my_func, 0, data)和 numpy.apply_along_axis(my_func, 1, data)将产生形状为 (2,3) 的二维数组.在这两种情况下，形状都是 (2,3) ，其余 Axis 的那些，第 2 和第 3 或第 1 和第 3。

numpy.apply_along_axis(my_func, 2, data)返回 (2,2)你显示的形状数组，其中 (2,2)是前两个轴的形状，就像你一样apply沿第三 Axis (通过给出索引 2 )。

理解它的方法是，无论你沿着哪个轴应用，都会“折叠”成你的 my_func 的形状。 ，在本例中返回单个值。其余 Axis 的顺序和形状将保持不变。

另一种思考方式是:apply_along_axis意味着将该函数应用于该 Axis 上的值，对于剩余 Axis/Axis 的每个组合。获取结果，并将它们组织回剩余 Axis 的形状。所以，如果 my_func返回 tuple 4 个值:

def my_func(x):
    return (x[0] + x[-1]) * 2,1,1,1

我们期待numpy.apply_along_axis(my_func, 0, data).shape成为(4,2,3) .

• 另请参阅 numpy.apply_over_axes 用于在多个轴上重复应用一个函数