Python的numpy数组中np.delete和np.mean之间的不同轴指示

Question

我从how is axis indexed in numpy's array学到了numpy数组的轴指示

文章说，对于二维数组，axis=0 代表数组中的每个列，axis=1 代表数组中的每一行。当我使用 np.mean 时它可以工作，这意味着按 col 的值，但 axis=0 中的 np.delete 不同，它按行删除元素。

import numpy as np

arr = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
'''
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
'''
np.mean(arr, 0)
'''
array([5., 6., 7., 8.])
'''
np.delete(arr,1,axis=0)
'''
array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]])
'''

我很困惑我是否理解错了？ 声明axis=0时，为什么np.mean和np.delete在不同的轴上运行？

Answer 1

您链接到的问题的公认答案实际上正确地说明了

因此，轴 0 是第一个维度（“行”），轴 1 是第二个维度（“列”）

这就是代码的作用，与你所说的相反。

这应该是你困惑的根源。正如我们从您自己的示例中看到的那样：

np.delete(arr,1,axis=0)
'''
array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]])
'''

索引 1 处的行被删除，这正是我们想要发生的。

这是一个 2D 示例，其中我们有行和列，但重要的是要了解形状的一般工作原理，然后它们将在更高维度上有意义。考虑以下示例：

[
  [
    [1, 2],
    [3, 4]
  ],
  [
    [5, 6],
    [7, 8],
  ],
  [
    [9, 10],
    [11, 12],
  ]
]

在这里，我们有 3 个网格，每个网格都是 2x2，所以我们有一些形状为 3x2x2 的东西。这就是为什么我们总共有 12 个元素。现在，我们怎么知道在axis=0 我们有 3 个元素？因为如果你把它看作一个简单的数组而不是一些花哨的numpy 对象，那么len(arr) == 3。然后，如果您沿该轴获取任何元素（即任何“网格”），我们将看到它们的长度为 2 或len(arr[0]) == 2。那是因为每个网格都有 2 行。最后，要检查每个网格的每一行有多少项目，我们只需要检查这些行中的任何一个。让我们看一下第一个网格的第二行是否有变化。我们会看到：len(arr[0][1]) == 2。

现在，np.mean(a, axis=0) 是什么意思？这意味着我们将沿着axis=0 遍历每个项目并找到它们的平均值。如果这些项目只是数字（如果a=np.array([1,2,3])），那很容易，因为1,2,3 的平均值只是这些数字的总和除以它们的数量。

那么，如果我们有向量或网格呢？ [2,4,6] 和 [0,0,0] 的平均值是多少？惯例是这些到列表的平均值是每个索引的平均值列表。换句话说就是：

[np.mean([2,0]), np.mean([4,0]), np.mean([6,0])]

这就是[1,2,3]。

那么，为什么np.delete 的行为会有所不同？好吧，因为删除的目的是沿某个轴删除元素，而不是在该轴上执行聚合。所以在这种特殊情况下，我们有 3 个网格。所以删除其中一个只会给我们留下 2 个网格。我们也可以删除每个网格的第二行 (axis=1)。这会给我们留下 3 个网格，但每个网格只有 1 行而不是 2 行。

希望这会带来一些清晰 :)

Answer 2

我认为您的困惑可能来自这样一个事实：在delete 中，轴是指您在查找要删除的部分时索引的轴，而在mean 中，轴是指您所在的轴平均下来。

在这两种情况下，axis 告诉函数在尝试执行其操作时“移动”哪个轴 - 对于 delete，它在搜索删除内容时向下移动，对于 mean，它向下移动计算平均值时的方式

Answer 3

通常我喜欢将 numpy（或 pandas）中的 axis 视为轴“沿着它”进行计算的指标。

从这个意义上说，当您计算沿轴 0 的平均值时，也就是沿行计算每一列。但是，如果您沿轴 0 删除，则意味着您沿行滚动以找到要删除的索引。