Numpy:【axis】が分からないなら、この絵を見て！

page:[NumPyまとめ]

サマリ

• axisは集計関数を実行する時に指定する
• どちら方向にまとめる（集計する）か
  • axis=0 …… 縦方向、行方向
  • axis=1 …… 横方向、列方向

前提

• np.shape
  • NumPy:【形状、次元、要素数】の確認方法

方向として捉える

axis=0

• 縦方向にまとめる
• axis=0は縦方向と覚えれてしまう
  • “行""列"と呼ぶので行方向が最初のaxis=0
  • 横縦より縦横の方がしっくりくるので縦方向が最初のaxis=0
• (2,3)から(3, )
  • (2,3)のインデックス番号を考えるとインデックス番号0が2でインデックス番号1が3
  • axis=0は1次元目の「2」の方向にまとめている
  • 「2」の方向にまとめてた結果、「2」はなくなり「3」が残る＝(3, )

axis=1

• 横方向にまとめる
• そのあとになぜか回転する（2つ目の矢印）
  • ここが混乱の元
  • 最初の内は回転していることを意識する
• (2,3)から(2, )
  • (2,3)のインデックス番号を考えるとインデックス番号0が2でインデックス番号1が3
  • axis=1は2次元目の「3」の方向にまとめている
  • 「3」の方向にまとめてた結果、「3」はなくなり「2」が残る＝(2, )
• もし、(2,3)から(1,2)だとしたら
  • 1が残るルールを追加する必要が出てくる
  • axis=0と同じような説明はできなくなりルールが複雑になる

ここまでのまとめ

• 集計の方向
  • axis=0は行方向（縦方向）
  • axis=1は列方向（横方向）
• 次元の変化
  • axis=0、axis=1のどちらも指定した次元に向かってまとめている
  • 結果、その方向の次元はなくなり、残りの次元が残る
• axis=1
  • イメージだとはコロッと回転させているように見える
  • この回転は意識しておく
• 以降でaxisの理解を深める関連記事を紹介

関連記事紹介の前に

知識を広げる方向性

• よくない考え方がある
  • イメージを膨らませようとすること
    • axis=1の時につじつま合わせのような回転がある
    • 回転するのは何はなぜ？
    • 深く考えてしまうのはよくない
• よくない理由
  • イメージは分かりやすくするために利用しただけ
    （勉強の初期段階ではとても役に立つはず）
  • ndarrayをすべてイメージで理解できない
• 限界の例
  • イメージはせいぜい3次元まで
  • 4次元、5次元、…とイメージは作れない
  • 画像処理の畳み込みは6次元（im2colのこと）
• つまり、イメージでの理解から卒業して違った理解へ進む

着目するところ

• ndarray（NumPy配列）の形状
  • shape、shape[0]、多次元の表記変化、形状変換
• 次元
  • np.ndim、次元追加、削除
• 集計関数
  • 実際に使って慣れる

紹介する関連記事

ndarray（NumPy配列）の形状や次元

• ndarray（NumPy配列）の形状や次元について理解
• 形状
  • shapeを使いこなせるようになりたい
  • shapeを使うと実際のデータを見なくてもndarrayがイメージできるようになる
• 次元
  • AI学習データは多次元が基本
  • 次元を理解することはとても有意義
  • axisに指定するも次元

慣れておきたい(2, )表記

• (2, )表記の理解
  • これが不思議な表記に見えるならndarray（NumPy配列）の慣れが不足
  • (2, )は実は分かりやすい表示
  • (2, )と(1,2)の違い

集計関数について

• 集計関数に慣れる
  • 基本は2次元配列の集計
  • 多次元配列の集計も理解する