numpy中的keepdims参数_np.mean keep_dim

numpy.mean,sum,max,min等函数中都有keepdims这个参数，这个参数的作用：

当 keepidms=True,保持其二维或者三维的特性,(结果保持其原来维数)
默认为 False,不保持其二维或者三维的特性.(结果不保持其原来维数)

假设我们有一个二维数组A，其中A的形状为(3,2)，我们想要求A的所有元素之和。我们可以使用Numpy的sum()方法来实现这个操作。代码如下所示：

import numpy as np
 
A = np.array([[1, 2], [3, 4], [5, 6]])
sum = np.sum(A)
print(sum)

假如矩阵A是n*n的矩阵

A.sum（）是计算矩阵A的每一个元素之和。

A.sum(axis=0)是计算矩阵每一列元素相加之和。

A.Sum(axis=1)是计算矩阵的每一行元素相加之和。

 

这个脚本的输出结果是21。现在我们将keepdims设置为True，代码如下所示：

import numpy as np
 
A = np.array([[1, 2], [3, 4], [5, 6]])
sum = np.sum(A, keepdims=True)
print(sum)

这个脚本的输出结果是[[21]]。在这里，我们可以看到输入A是一个二维数组，但输出结果sum是一个一维数组。在keepdims设置为True时，np.sum()返回一个具有与输入A相同数目的轴的数组，而这些轴中有一个的长度始终为1。也就是说，在本例中，输出结果sum的形状为(1,1)。

如果我们没有设置keepdims为True，并且继续使用以上的代码，会输出一个数字21，且A的维度无法保留。因此，在需要保留输入数组维度的情况下，与保留的轴的长度为1相对应，应将keepdims设置为True。

np.mean()

np.mean()方法计算数组中元素的平均值。如果我们将keepdims设置为True，结果数组将具有与输入数组相同的形状。例如，假设我们有一个四维数组B，形状为(4,3,2,1)，我们想要计算B中的元素平均值。代码如下所示：

import numpy as np
 
B = np.ones((4,3,2,1))
mean = np.mean(B, keepdims=True)
print(mean.shape)

这个脚本的输出结果是(1,1,1,1)。在这里，np.mean()方法使用了输入B数组并返回一个形状与B相同的数组。

np.max()

np.max()方法计算数组的最大值。如果将keepdims设置为True，则结果数组将具有与输入数组相同的形状。例如，假设我们有一个三维数组C，它的形状为(2,3,4)，我们想要计算C中的最大值。代码如下所示：

import numpy as np
 
C = np.array([[[1,2,3,4],[5,6,7,8],[9,10,11,12]],[[13,14,15,16],[17,18,19,20],[21,22,23,24]]])
max = np.max(C, axis=(0,1), keepdims=True)
print(max.shape)

这个脚本的输出结果是(1,1,4)。在这里，我们可以看到输出数组使用相同的形状(2,3,4)，并将轴(0,1)的最大值保留。因此，输出的结果是一个形状为(1,1,4)的数组，它具有与输入数组C第三维相同的形状。

np.std()

np.std()方法计算给定数组的标准差。如果将keepdims设置为True，则结果数组将具有与输入数组相同的形状。例如，假设我们有一个一维数组D，其形状为(6,)，我们想要计算D的标准差。代码如下所示：

import numpy as np
 
D = np.array([1, 2, 3, 4, 5, 6])
std = np.std(D, keepdims=True)
print(std.shape)

这个脚本的输出结果是(1,)。在这里，我们可以看到输出数组使用与输入数组相同的形状，而不是标量结果。