目录
高维数组
创建数组
通过重排一维向量或转换嵌套的Python列表来创建3D数组时， 索引的含义为（z，y，x）。
第一个索引是平面的编号，然后才是在该平面上的移动：
这种索引顺序很方便，例如用于保留一堆灰度图像：这a[i]是引用第i个图像的快捷方式。
但是此索引顺序不是通用的。 处理RGB图像时，通常使用（y，x，z）顺序：前两个是像素坐标，最后一个是颜色坐标（Matplotlib中是RGB ，OpenCV中是BGR ）：
这样，可以方便地引用特定像素：a[i,j]给出像素的RGB元组(i,j)。
因此，创建特定几何形状的实际命令取决于正在处理的域的约定：
高维数组运算
连接函数hstack、vstack和dstack
显然，NumPy函数像hstack、vstack或dstack不知道这些约定。其中硬编码的索引顺序是（y，x，z），RGB图像顺序是：
△RGB图像数组（为简便起见，上图仅2种颜色）
堆叠函数concatenate
如果数据的布局不同，则使用concatenate命令堆叠图像，并在axis参数中提供显式索引数会更方便：
如果不方便使用axis，可以将数组转换硬编码为hstack的形式：
这种转换没有实际的复制发生。它只是混合索引的顺序。
混合索引顺序的另一个操作是数组转置。检查它可能会让我们对三维数组更加熟悉。
根据我们决定的axis顺序，转置数组所有平面的实际命令将有所不同：对于通用数组，它交换索引1和2，对于RGB图像，它交换0和1：
有趣的是，（和唯一的操作模式）默认的axes参数颠倒了索引顺序，这与上述两个索引顺序约定都不相符。
求和函数einsum
最后，还有一个函数，可以在处理多维数组时节省很多Python循环，并使代码更简洁，这就是爱因斯坦求和函数 einsum：
它将沿重复索引的数组求和。
Original: https://blog.csdn.net/weixin_43145427/article/details/124317892
Author: hanscal
Title: Numpy图解(三)–高维数组
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/760717/
转载文章受原作者版权保护。转载请注明原作者出处！