[Numpy] Axis and Keepdims Arguments

이번 글에서는 sum연산을 통해 axis와 keepdims에 대해 간단히 알아보도록 하겠습니다.

 

 

Index

---

1. Axis

2.keepdims

---

 

1. Axis

x.sum(axis =option)에서 option은 0부터 n까지 설정할 수 있으며 해당 되는 값의 차원의 합을 구하며 동시에 제거합니다.

예시를 통해 3rd order tensor에 대하여 axis별 연산을 설명해 보도록 하겠습니다.

import numpy as np

a= np.arange(2*3*4).reshape((2,3,4))
print(a,a.shape)
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]] (2, 3, 4)

#ex1)
sum_0 = a.sum(axis=0)
print(sum_0,sum_0.shape)
[[12 14 16 18]
 [20 22 24 26]
 [28 30 32 34]] (3, 4)
 
#ex2)
sum_1 = a.sum(axis=1)
print(sum_1,sum_1.shape)
[[12 15 18 21]
 [48 51 54 57]] (2, 4)

#ex3)
sum_2 = a.sum(axis=2)
print(sum_2,sum_2.shape)
[[ 6 22 38]
 [54 70 86]] (2, 3)

ex1)

(2,3,4) 중 2가 사라지며 해당되는 차원의 원소값들이 합해지고 차원이 축소되어 (3,4)의 matrix를 만들어 낸 모습입니다.

ex2)

(2,3,4) 중 3이 사라지며 해당되는 차원의 원소값들이 합해지고 차원이 축소되어 (2,4)의 matrix를 만들어 낸 모습입니다.

ex3)

(2,3,4) 중 4가 사라지며 해당되는 차원의 원소값들이 합해지고 차원이 축소되어 (2,3)의 matrix를 만들어 낸 모습입니다.

 

 

2.Keepdims

axis 설정을 해주게 되면 차원이 축소 되는데 그렇게 되면 이후에 broadcasting연산시 불편함이 생기게 됩니다.

그래서 차원을 축소하지 않는 방법으로 keepdims를 사용할 수 있습니다.

x.sum(axis=option,keepdims=True) , keepdims 를 True로 설정하게 되면 축소되어야 하는 차원이 1로 남게 되어 

broadcasting시 용이하게 됩니다.

1.axis에 사용한 예제에 keepdims=True 로 설정하여 결괏값을 살펴보도록 하겠습니다.

import numpy as np

a= np.arange(2*3*4).reshape((2,3,4))
print(a,a.shape)
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]] (2, 3, 4)

#ex1)
sum_0 = a.sum(axis=0,keepdims=True)
print(sum_0,sum_0.shape)
[[[12 14 16 18]
  [20 22 24 26]
  [28 30 32 34]]] (1, 3, 4)
 
#ex2)
sum_1 = a.sum(axis=1,keepdims=True)
print(sum_1,sum_1.shape)
[[[12 15 18 21]]

 [[48 51 54 57]]] (2, 1, 4)

#ex3)
sum_2 = a.sum(axis=2,keepdims=True)
print(sum_2,sum_2.shape)
[[[ 6]
  [22]
  [38]]

 [[54]
  [70]
  [86]]] (2, 3, 1)

결괏값을 살펴보면 차원이 축소되지 않고 그자리에 1이 들어간 것을 확인 할 수 있습니다.

이 option을 broadcasting에 용이하게 사용할 수 있을것입니다.