NumPy三维数组元素定位与轴（axis）求和解析

三维数组元素位置解析

在数据处理过程中，常需将二维数组批量嵌入三维数组。此类操作在深度学习特征处理中十分常见，掌握三维数组的元素位置至关重要。本文结合代码实例，详细梳理三维数组中元素的定位方法，便于后续查阅及解决相关疑问。

效果示意图如下：

具体代码实现如下：

def test3D():
 import numpy as np
 data_array = np.zeros((3, 5, 6), dtype=np.int)
 data_array[1, 2, 2] = 1
 
 print(data_array)

代码说明：利用np.zeros构建一个形状为3行5列6通道的三维数组，并将第二个通道第一行第二列的元素赋值为1。

运行结果截图如下：

结果分析：由运行结果可见，数组包含六个通道。在深度学习语境下，这六个通道对应六个Feature Map，即结果图中的六列数据。

进一步观察外层结构，共有三个区块，每个区块代表该通道对应的某一行数据。

每个区块内包含五行数据，每一行代表该通道下的某一列数据。

因此，代码中的赋值语句为：data_array[1, 2, 2] = 1

该语句表示：指定第2个通道（下标从0开始，故图中显示为第三列）；第1行（下标从0开始，故图中显示为第二个区块的第三行）；第2列（下标从0开始，故图中显示为第三列）。综合即为图中所示的具体位置。

三维数组axis求和详解

补充内容：三维数组的求和运算

多维数组的轴（axis）参数与该数组的size（或shape）元素一一对应。

>>> np.random.seed(123)
>>> X = np.random.randint(0, 5, [3, 2, 2])
>>> print(X)
 
[[[5 2]
 [4 2]]
 
 [[1 3]
 [2 3]]
 
 [[1 1]
 [0 1]]]
 
>>> X.sum(axis=0)
array([[7, 6],
  [6, 6]])
 
>>> X.sum(axis=1)
array([[9, 4],
  [3, 6],
  [1, 2]])
 
>>> X.sum(axis=2)
array([[7, 6],
  [4, 5],
  [2, 1]])

若将三维数组的每个二维切片视为一个平面（plane，如X[0, :, :], X[1, :, :], X[2, :, :]），则三维数组是由这些二维平面堆叠（stacked）而成。此时，axis=0表示所有平面上对应位置的求和，axis=1表示每个平面内每一列的求和，axis=2表示每个平面内每一行的求和。

以上关于NumPy三维数组元素位置及求和的解析即为全部内容，希望能为读者提供参考，并欢迎支持本站。