Numpy运算中axis=0和axis=1的区分

在使用python做数据处理和分析的时候，我们经常需要针对行或者列做运算，比如求和、均值、最大、最小值等。怎么确定是针对那个方向上的数据做运算呢？主要是通过参数axis决定，比如x.sum(axis=2)？

axis参数的值是怎么确定的呢？

官方解释：
axis指的就是轴，轴用来为超过一维数组定义的属性，二维数据拥有两个轴：第0轴沿着行的方向垂直向下，第1轴沿着列的方向水平延申。根据官方的说法，1表示横轴，方向从左到右；0表示纵轴，方向从上到下。当axis=1时，数组的变化是横向的，体现出列的增加或者减少。反之，当axis=0时，数组的变化是纵向的，体现出行的增加或减少。

上面的官方解释是针对二维数据，如果是三维数据，点解？。通过一些资料收集和学习，总算从本质上搞懂了axis这个参数的意思；

axis的取值一般是0，1，2…，其中0表示最高维，1表示次高维度，2是次次高维度，依次推算下去。
对于一个二维的数据来说，数组a中每一个元素相当于一维数组，每个一维数组中才是单个元素，因此单我们用a[0][0]选取元素时，a[0]表示的是先取到的是里面的一维数组，所以它就是高维，接下来a[0][0]取到的是最内层一维数组中的每一个元素，因此，第二个[0]就是我们说的“低维”；
当axis=0，高维变化（行序号变），低维不变（列序号不变），a[0][0]，a[1][0]之间的运算表示第一个值，a[0][1]，a[1][1]之间的运算表示第二个值；
当axis=1，高维不变（行序号不变），低维变（列序号变），a[0][0]，a[0][1]之间的运算表示第一个值，a[1][0]，a[1][1]之间的运算表示第二个值；

对于三维数组来说，a[0][0][0]中a[0]表示的是最高维度，a[0][0]表示的第二维度，a[0][0][0]表示最低维度的数据。
在进行函数运算的时候，当axis=0，表示最高维度的值变化，其他低维度不变的数据进行运算，比如a[0][0][0]，a[1][0][0]；a[0][1][0]，a[1][1][0]；a[0][0][1]，a[1][0][1]；a[0][1][1]，a[1][1][1]
当axis=1时，表示最二高维度的值变化，其他低维度不变的数据进行运算，a[0][0][0]，a[0][1][0]；a[1][0][0]，a[1][1][0]；a[0][0][1]，a[0][1][1]；a[1][0][1]，a[1][1][1]；
当axis=2时，表示最低维度的值变化，其他低维度不变的数据进行运算，a[0][0][0]，a[0][0][1]；a[1][0][0]，a[1][0][1]；a[0][1][0]，a[0][1][1]；a[1][1][0]，a[1][1][1]；

举栗说明：

##二维数组
b=np.array([[4,5,6],[7,8,9]])
display(b)
##三维数组
x=np.arange(8).reshape(2,2,2)
display(x)
display(x.sum(axis=0))
display(x.sum(axis=1))
display(x.sum(axis=2))

结果展示：

参考链接来源：https://mp.weixin.qq.com/s/-MgGal7o3LqsfTM9l3S46g