Python np.行轴未在Numpy中工作的总和

我编写了一个softmax回归函数

def softmax_1（x）

，它基本上接受一个

m x n

矩阵，对矩阵求幂，然后对每列的指数求和

x = np.arange(-2.0, 6.0, 0.1)
scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])
#scores shape is (3, 80)

def softmax_1(x):
    """Compute softmax values for each sets of scores in x."""
    return(np.exp(x)/np.sum(np.exp(x),axis=0))

将其转换为数据帧，我必须进行转置

DF_activation_1 = pd.DataFrame(softmax_1(scores).T,index=x,columns=["x","1.0","0.2"])

所以我想尝试制作一个版本的softmax函数，它接受转置版本并计算softmax函数

scores_T = scores.T
#scores_T shape is (80,3)

def softmax_2(y):
    return(np.exp(y/np.sum(np.exp(y),axis=1)))

DF_activation_2 = pd.DataFrame(softmax_2(scores_T),index=x,columns=["x","1.0","0.2"])

然后我得到这个错误：

Traceback (most recent call last):
  File "softmax.py", line 22, in <module>
    DF_activation_2 = pd.DataFrame(softmax_2(scores_T),index=x,columns=["x","1.0","0.2"])
  File "softmax.py", line 18, in softmax_2
    return(np.exp(y/np.sum(np.exp(y),axis=1)))
ValueError: operands could not be broadcast together with shapes (80,3) (80,) 

回溯（最近一次呼叫最后一次）：
文件“softmax.py”，第22行，在
DF_activation_2=pd.DataFrame（softmax_2（分数），索引=x，列=[“x”，“1.0”，“0.2”]）
文件“softmax.py”，第18行，在softmax_2中
返回值（np.exp（y/np.sum）（np.exp（y），axis=1））
ValueError:操作数无法与形状（80,3）（80，）一起广播

当我在

np.sum

方法中转置和切换轴时，为什么这不起作用

np.exp(y/np.sum(np.exp(y),axis=1))

到

---

这意味着

np.sum

将返回一个shape

（80，1）

数组，而不是

（80，）

，该数组将为除法正确广播。还请注意括号结尾处的更正。

嘿，感谢您的快速响应，为什么我的行在换位后不再总和为1？

DF_激活_1

的第一行是

0.033211 0.667060 0.299729

，而

DF_激活_2

的第一行是

0.612139 1.278129 1.050304

我会处理它，它们的总和仍然大于1。当我弄明白的时候，我会让你知道的。把关于括号的评论作为一个单独的答案放到了上面的答案中。

np.exp(y)/np.sum(np.exp(y),axis=1, keepdims=True)