np.newaxis——NumPy中的关键函数

一、np.newaxis是什么？

在NumPy中，np.newaxis是一个很重要的函数，它可以用来增加数组的维度。

具体来说，np.newaxis可以在任何一个位置增加一个维度，从而扩充数据的维度，使得进行各种各样的操作变得更为方便和简单。

import numpy as np

# 创建一个二维数组
arr = np.array([[1,2,3],[4,5,6]])

# 增加一个维度后成为一个三维数组
arr_new = arr[np.newaxis,:,:,np.newaxis]

print(arr_new.shape)

上述代码会输出(1, 2, 3, 1)。我们可以看到，原来的二维数组arr被增加了两个维度，变成了一个四维数组arr_new。

二、np.newaxis在数组索引中的应用

np.newaxis的实际应用非常广泛，尤其是在对于数组的索引操作中。

在进行数组索引的时候，除了对数组切片之外，有时我们还需要对数组的维度进行一些操作，例如数组转置、数组拼接等等。这时候np.newaxis就是一个非常好用的工具。

三、np.newaxis在数组拼接中的应用

在数组拼接中，我们经常需要将两个形状不同的数组进行拼接。例如，我们需要将一个形状为(2,3)的数组和一个形状为(2,1)的数组沿着第二个维度进行拼接，这时候np.newaxis就非常好用。

import numpy as np

# 创建两个数组
a = np.array([[1,2,3],[4,5,6]])
b = np.array([[7],[8]])

# 在拼接之前，需要给数组b增加一个维度
b_new = b[:, np.newaxis]

# 沿着第二个维度进行拼接
c = np.concatenate((a, b_new), axis=1)

print(c)

上述代码会输出[[1 2 3 7]， [4 5 6 8]]，我们可以看到，数组a和数组b通过np.newaxis的帮助得以拼接。

四、np.newaxis在数组转置中的应用

在进行数组转置时，np.newaxis也是一个非常有用的工具。具体来说，我们可以使用np.newaxis来增加一个新的轴，从而转换数据的维度。

import numpy as np

# 创建一个二维数组
arr = np.array([[1,2,3],[4,5,6]])

# 对数组进行转置后增加一个维度
arr_new = arr.T[np.newaxis,:,:]

print(arr_new)

上述代码会输出[[[1 4]， [2 5]， [3 6]]]。可以看到，原先的二维数组经过转置，并增加了一个新的轴之后，变成了一个三维数组。

五、np.newaxis在特征选择与降维中的应用

在进行特征选择和降维时，np.newaxis也是一个非常有用的工具。我们可以通过增加新的维度，使得数据的特征矩阵变得更具有结构性。

import numpy as np
from sklearn.datasets import load_iris

# 加载数据集
data = load_iris()

# 获取特征矩阵
X = data.data

# 对特征矩阵进行扩展并增加一个新的维度
X_new = X[..., np.newaxis]

print(X_new.shape)

上述代码会输出(150, 4, 1)。可以看到，原先的特征矩阵X被增加了一个新的维度，从而变成了一个三维数组。

六、结论

通过本文的讲解，我们了解了np.newaxis函数的定义和用法，并且学习了np.newaxis在数组索引、数组拼接、数组转置、特征选择与降维等方面的应用技巧。