Python中numpy库中 axis=0，axis= 1轴的详解

对数据比如二维矩阵进行操作时，经常需要在横轴（行）方向或者纵轴（列）方向对数据进行操作，这时需要设定参数axis的值：

1. axis = 0 代表对横轴（行）操作，也就是第0轴；
2. axis = 1 代表对纵轴（列）操作，也就是第1轴；

操作为：

axis= 0 对a的横轴（行）进行操作，在运算的过程中其运算的方向表现为纵向（列）运算
axis= 1 对a的纵轴（列）进行操作，在运算的过程中其运算的方向表现为横向（行）运算

实例：

a=[[0,1,3],[1,2,2]]
n=np.array(a)
print(n.sum(axis=0))  # 即对横轴（行）进行操作，运算方向为纵轴方向（列），对每一列进行求和
print(n.sum(axis=1))  # 即对纵轴（列）进行操作，运算方向为横轴方向（行），对每一行进行求和

print(n.max(axis=0))
print(n.max(axis=1))

结果如下：

[1 3 5]
[4 5]
[1 2 3]
[3 2]

还有 torch 里面 dim=0， dim=1 的操作，我这边口诀是，对哪个维度求，那么就消去找个维度

比如一个矩阵[3,4] ，dim=0 那么 就消去 0维，得到 [4]      

每一行是 一个样本，每一列是一个特征

dim=0 表示在第 0 维上进行运算，跨行操作，也就是竖着看。

dim=1 表示在第 1 维上进行运算，跨列操作，也就是横着看。

在每一行里找最大值，返回“哪一列”最大。

memory_bank = torch.tensor([
    [1, 5, 3, 2],
    [7, 4, 6, 8],
    [9, 1, 2, 3]
])


# 3 行（每一行是一组样本）


torch.argmax(memory_bank, dim=0)

# tensor([2, 0, 1, 1])


torch.argmax(memory_bank, dim=1)

# tensor([1, 3, 0])

一般分类任务，主要是 dim=1，也就是求一个样本  一行里面最大的