numpy 다 차원 배열 조작 np. applyover_axes 사용
numpy.apply_over_axes(func, a, axes)[source]
그 중에서 a 는 조작 해 야 할 입력 배열 입 니 다. func 는 조작 함수 입 니 다. 예 를 들 어 더하기 와 sum, 평균 값 average 또는 다른 사용자 정의 함수, axes 는 조작 해 야 할 축 입 니 다.
예 를 들 어 다음은 하나의 차원 이 2, 3, 4 의 3 차원 행렬 이 고 24 개의 요소 가 있다.
>>> a = np.arange(24).reshape(2,3,4)
>>> a
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
만약 우리 가 그 중의 1 차원 과 3 차원 을 합병 하고 싶다 면, 우 리 는 axes 를 [0, 2] 로 쓸 것 이다.
>>>
>>> np.apply_over_axes(np.sum, a, [0,2])
array([[[ 60],
[ 92],
[124]]])
만약 우리 가 세 워 진 열 을 각각 합병 하고 싶다 면, 예 를 들 어 첫 번 째 열 을 0, 4, 8, 12, 16, 20 이라는 열 을 합 치 는 것 이다.사실은 1 차원 과 2 차원 을 합병 하여 3 차원 을 남 긴 결과 다음 과 같다.
>>> np.apply_over_axes(np.sum, a, [0,1])
array([[[60, 66, 72, 78]]])
물론 더하기 만 하면 numpy. sum 함수 로 상기 효 과 를 완성 할 수 있 습 니 다. 예 를 들 어 아래 와 같 습 니 다.
Tuple axis arguments to ufuncs are equivalent: 이것 은 아까 위 에 있 던 것 과 1 차원 과 3 차원 을 합 친 예 와 같은 효과 입 니 다.
>>>
>>> np.sum(a, axis=(0,2), keepdims=True)
array([[[ 60],
[ 92],
[124]]])
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
다양한 언어의 JSONJSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.