維度
一個(gè)不是很簡(jiǎn)單，但是很好理解的方法是：你的輸入矩陣的shape是(2,2,4)，那么當(dāng)axis=0時(shí)，就是在第一個(gè)dimension上進(jìn)行求和，最后得到的結(jié)果的shape就是去掉第一個(gè)dimension后的shape，也就是(2,4)。具體的計(jì)算方法則是，對(duì)于c[i,j,k]，假設(shè)輸出矩陣為s[j,k]，第一個(gè)dimension求和那么就是
s[j,k]=∑i(c[i,j,k])
如果axis=1，那么輸出shape就是去掉第二個(gè)dim，也就是(2,4)，計(jì)算是 s[i,k]=sumj(c[i,j,k])
如果axis=2，那么輸出shape就是去掉第三個(gè)dim，也就是(2,2)，計(jì)算是 s[i,j]=sumk(c[i,j,k])
在數(shù)據(jù)處理里面經(jīng)常會(huì)碰到高維數(shù)據(jù)，通過(guò)二維矩陣去想它的計(jì)算方法就很難了，這個(gè)時(shí)候只要按axis對(duì)應(yīng)的維度求和，其他維度的位置和形狀不變，最后把shape去掉對(duì)應(yīng)維度就能理解了
import numpy as np
c = np.array([[[0, 1, 2, 3],
[4, 5, 6, 7]],
[[1, 2, 3, 4],
[5, 6, 7, 8]]])
print (c.sum(axis=0))
print (c.sum(axis=1))
print (c.sum(axis=2))
[[ 1 3 5 7]
[ 9 11 13 15]]
[[ 4 6 8 10]
[ 6 8 10 12]]
[[ 6 22]
[10 26]]
flatten()函數(shù)用法
flatten是numpy.ndarray.flatten的一個(gè)函數(shù)，即返回一個(gè)折疊成一維的數(shù)組。但是該函數(shù)只能適用于numpy對(duì)象，即array或者mat，普通的list列表是不行的。
其官方文檔是這樣描述的
Parameters:
ndarray.flatten(order='C')
Return a copy of the array collapsed into one dimension.
order : {‘C’, ‘F’, ‘A’, ‘K’}, optional
‘C’ means to flatten in row-major (C-style) order. ‘F’ means to flatten in column-major (Fortran- style) order. ‘A’ means to flatten in column-major order if a is Fortran contiguous in memory, row-major order otherwise. ‘K’ means to flatten a in the order the elements occur in memory. The default is ‘C’.
a是個(gè)矩陣或者數(shù)組，a.flatten()就是把a(bǔ)降到一維，默認(rèn)是按橫的方向降
那么a.flatten().A又是什么呢? 其實(shí)這是因?yàn)榇藭r(shí)的a是個(gè)矩陣，降維后還是個(gè)矩陣，矩陣.A（等效于矩陣.getA()）變成了數(shù)組。具體看下面的例子：
1、用于array對(duì)象
>>> from numpy import *
>>> a=array([[1,2],[3,4],[5,6]])
>>> a
array([[1, 2],
[3, 4],
[5, 6]])
>>> a.flatten()
array([1, 2, 3, 4, 5, 6])
>>> a.flatten('F')
array([1, 3, 5, 2, 4, 6]) # 按列排序
>>> a.flatten('A')
array([1, 2, 3, 4, 5, 6])
>>>
2、用于mat對(duì)象
>>> a=mat([[1,2,3],[4,5,6]])
>>> a
matrix([[1, 2, 3],
[4, 5, 6]])
>>> a.flatten()
matrix([[1, 2, 3, 4, 5, 6]])
>>> a=mat([[1,2,3],[4,5,6]])
>>> a
matrix([[1, 2, 3],
[4, 5, 6]])
>>> a.flatten()
matrix([[1, 2, 3, 4, 5, 6]])
>>> y=a.flatten().A
>>> shape(y)
(1L, 6L)
>>> shape(y[0])
(6L,)
>>> a.flatten().A[0]
array([1, 2, 3, 4, 5, 6])
>>>
從中可以看出matrix.A的用法和矩陣發(fā)生的變化。
3、但是該方法不能用于list對(duì)象，想要list達(dá)到同樣的效果可以使用列表表達(dá)式：
>>> a=array([[1,2],[3,4],[5,6]])
>>> [y for x in a for y in x]
[1, 2, 3, 4, 5, 6]
>>>
完美實(shí)現(xiàn)?。?/p>
