numpy.newaxis()

np.newaxis

功能：为numpy.ndarray（多维数组）增加一个轴

np.newaxis 在使用和功能上等价于 None，查看源码发现：newaxis = None，其实就是 None 的一个别名。

 

举例：

原始数据

?

1 2	x_data = np.linspace(-1,1,5) print(x_data,x_data.shape)

用np.newaxis加新的轴和用None加新的轴得到的结果一致

?

1 2 3 4 5

x1_data = np.linspace(-1,1,5)[:,np.newaxis] print('x1_data',x1_data,x1_data.shape)   x2_data = np.linspace(-1,1,5)[:,None] print('x2_data',x2_data,x2_data.shape)

对比一下在前面、后面加newaxis的不同

在前面加相当于在前面加上了一个维度;

在后面加相当于在后面加上了一个维度，也起到了转置的作用

?

1 2 3 4 5 6 7

x_data = np.linspace(-1,1,5)[:,np.newaxis] print('x_data',x_data) print(x_data.shape)   y_data = np.linspace(-1,1,5)[np.newaxis,:] print('y_data',y_data) print(y_data.shape)

 

多维情况是一样的

?

1 2 3 4 5 6

x1_data = np.linspace(-1,1,24).reshape(2,3,4) y1_data = x1_data[:,np.newaxis,:,:] print('x1_data',x1_data) print(x1_data.shape) print('y1_data',y1_data) print(y1_data.shape)

 

适用场景：

经常会遇到这样的问题，需要从数组中取出一部分的数据，也就是取出“一片”或者“一条”，比如需要从二维数组里面抽取一列，取出来之后维度却变成了一维，假如我们需要将其还原为二维，就需要上面的方法了

 

 

参考文献：

【1】np.newaxis 为 numpy.ndarray（多维数组）增加一个轴

【2】numpy添加新的维度:newaxis的方法