В numpy, что делает выбор с помощью [:, None]?

17

Я изучаю курс Udacity по глубокому обучению, и я натолкнулся на следующий код:

def reformat(dataset, labels):
    dataset = dataset.reshape((-1, image_size * image_size)).astype(np.float32)
    # Map 0 to [1.0, 0.0, 0.0 ...], 1 to [0.0, 1.0, 0.0 ...]
    labels = (np.arange(num_labels) == labels[:,None]).astype(np.float32)
    return dataset, labels

Что действительно делает labels[:,None] ?

    
задан Huey 16.06.2016 в 20:58
источник

3 ответа

16

Ссылка

  

numpy.newaxis      

Объект newaxis может использоваться во всех операциях среза для создания оси длины один. : const: newaxis является псевдонимом для «None», а «None» можно использовать вместо этого с тем же результатом.

Ссылка

Демонстрация с части вашего кода

In [154]: labels=np.array([1,3,5])

In [155]: labels[:,None]
Out[155]: 
array([[1],
       [3],
       [5]])

In [157]: np.arange(8)==labels[:,None]
Out[157]: 
array([[False,  True, False, False, False, False, False, False],
       [False, False, False,  True, False, False, False, False],
       [False, False, False, False, False,  True, False, False]], dtype=bool)

In [158]: (np.arange(8)==labels[:,None]).astype(int)
Out[158]: 
array([[0, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0]])
    
ответ дан hpaulj 16.06.2016 в 21:10
источник
13

None является псевдонимом для NP.newaxis . Он создает ось с длиной 1. Это может быть полезно для матричного преобразования и т. Д.

>>>> import numpy as NP
>>>> a = NP.arange(1,5)
>>>> print a
[1 2 3 4]
>>>> print a.shape
(4,)
>>>> print a[:,None].shape
(4, 1)
>>>> print a[:,None]
[[1]
 [2]
 [3]
 [4]]    
    
ответ дан GWW 16.06.2016 в 21:12
источник
1

Я приехал сюда, имея ту же самую проблему, что и тот же курс Udacity. То, что я хотел сделать, это транспонировать одномерный ряд numpy / array, который не работает с numpy.transpose ([1, 2, 3]). Поэтому я хотел добавить, что вы можете транспонировать таким образом ( источник ):

numpy.matrix([1, 2, 3]).T

Это приводит к:

matrix([[1],
        [2],
        [3]])

, который в значительной степени идентичен (тип отличается):

x=np.array([1, 2, 3])
x[:,None]

Но я думаю, что это легче запомнить ...

    
ответ дан CodingYourLife 19.02.2017 в 22:33
источник