簡単に言えば、一度使用すると、既存の配列の次元をもう 1次元増やすためnumpy.newaxis
に使用されます。したがって、
1D配列は2D配列になります
2D配列は3D配列になります
3D配列は4D配列になります
4D配列は5D配列になります
等々..
これは、1D 配列から 2D 配列への昇格を示す視覚的な図です。

シナリオ 1 :上の図に示すように、1D 配列を行ベクトルまたは列ベクトルに明示的にnp.newaxis
変換する場合に便利です。
例:
# 1D array
In [7]: arr = np.arange(4)
In [8]: arr.shape
Out[8]: (4,)
# make it as row vector by inserting an axis along first dimension
In [9]: row_vec = arr[np.newaxis, :] # arr[None, :]
In [10]: row_vec.shape
Out[10]: (1, 4)
# make it as column vector by inserting an axis along second dimension
In [11]: col_vec = arr[:, np.newaxis] # arr[:, None]
In [12]: col_vec.shape
Out[12]: (4, 1)
シナリオ 2 :操作の一部としてnumpy ブロードキャストを利用したい場合 (たとえば、いくつかの配列の追加を行っているとき)。
例:
次の 2 つの配列を追加するとします。
x1 = np.array([1, 2, 3, 4, 5])
x2 = np.array([5, 4, 3])
これらをそのまま追加しようとすると、NumPy は次のように発生しますValueError
。
ValueError: operands could not be broadcast together with shapes (5,) (3,)
この状況では、NumPy がブロードキャストnp.newaxis
できるように、配列の 1 つの次元を増やすために使用できます。
In [2]: x1_new = x1[:, np.newaxis] # x1[:, None]
# now, the shape of x1_new is (5, 1)
# array([[1],
# [2],
# [3],
# [4],
# [5]])
次に、次を追加します。
In [3]: x1_new + x2
Out[3]:
array([[ 6, 5, 4],
[ 7, 6, 5],
[ 8, 7, 6],
[ 9, 8, 7],
[10, 9, 8]])
または、新しい軸を配列に追加することもできますx2
:
In [6]: x2_new = x2[:, np.newaxis] # x2[:, None]
In [7]: x2_new # shape is (3, 1)
Out[7]:
array([[5],
[4],
[3]])
次に、次を追加します。
In [8]: x1 + x2_new
Out[8]:
array([[ 6, 7, 8, 9, 10],
[ 5, 6, 7, 8, 9],
[ 4, 5, 6, 7, 8]])
注: どちらの場合でも同じ結果が得られることに注意してください (ただし、一方は他方の転置です)。
シナリオ 3 : これはシナリオ 1 に似ています。ただし、np.newaxis
複数回使用して配列をより高い次元に昇格させることができます。このような操作は、高次の配列 (つまり Tensor ) で必要になることがあります。
例:
In [124]: arr = np.arange(5*5).reshape(5,5)
In [125]: arr.shape
Out[125]: (5, 5)
# promoting 2D array to a 5D array
In [126]: arr_5D = arr[np.newaxis, ..., np.newaxis, np.newaxis] # arr[None, ..., None, None]
In [127]: arr_5D.shape
Out[127]: (1, 5, 5, 1, 1)
代わりにnumpy.expand_dims
、直感的なaxis
kwarg を使用できます。
# adding new axes at 1st, 4th, and last dimension of the resulting array
In [131]: newaxes = (0, 3, -1)
In [132]: arr_5D = np.expand_dims(arr, axis=newaxes)
In [133]: arr_5D.shape
Out[133]: (1, 5, 5, 1, 1)
np.newaxisと np.reshapeの背景
newaxis
マルチ配列への軸の一時的な追加を可能にする疑似インデックスとも呼ばれます。
np.newaxis
スライス演算子を使用して配列を再作成し、配列をnumpy.reshape
目的のレイアウトに再形成します (次元が一致すると仮定します。これはa が発生するために必要reshape
です)。
例
In [13]: A = np.ones((3,4,5,6))
In [14]: B = np.ones((4,6))
In [15]: (A + B[:, np.newaxis, :]).shape # B[:, None, :]
Out[15]: (3, 4, 5, 6)
B
上記の例では、 (ブロードキャストを使用するために)の 1 番目と 2 番目の軸の間に一時的な軸を挿入しました。欠落している軸は、ブロードキャスト操作を機能np.newaxis
させるために使用してここで埋められます。
一般的なヒント: ;None
の代わりに使用することもできますnp.newaxis
これらは実際には同じオブジェクトです。
In [13]: np.newaxis is None
Out[13]: True
PS また、この素晴らしい答えを参照してください: newaxis vs reshape to add dimension