numpy操作中axis（轴）的理解

声明：本文档为个人笔记，参考了网上相关博客内容
这是我参考的链接: link.

#Numpy操作中的axis

首先为什么会有axis这个概念？
因为在numpy模块中，大多数处理的是矩阵或者多维数组，同时，对多维数组或者矩阵的操作有多种可能，为了帮助实现对数组或矩阵各种各样的功能，就有了axis

下面举个例子，选取不同的axis，对二维数组进行sum,mean,min，max的操作

import numpy as np
>>>arr=np.arange(16).reshape(2,4,2)
>>>arr
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5],
        [ 6,  7]],

       [[ 8,  9],
        [10, 11],
        [12, 13],
        [14, 15]]])

接下来是各种sum,mean,min，max操作
以sum方法为例：

>>> arr.sum(axis=0)
array([[ 8, 10],
       [12, 14],
       [16, 18],
       [20, 22]])
>>> arr.sum(axis=1)
array([[12, 16],
       [44, 48]])
>>> arr.sum(axis=2)
array([[ 1,  5,  9, 13],
       [17, 21, 25, 29]])

通过以上可以发现，通过指定不同的axis，numpy会沿着不同的方向进行操作，如果不设置，则表示对所有的元素进行操作，如果axis=0，则沿着纵轴进行操作，若axis=1则沿着横轴进行操作。但是这只是仅仅对于二维数组而言。但是可以总结为一句话：设axis=i ,则numpy沿着第i个下标变化的方向进行操作，

下面举个三维数组的例子来说明这个道理： 当axis=0时，

>>> arr=np.arange(16).reshape(2,4,2)
>>> arr
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5],
        [ 6,  7]],

       [[ 8,  9],
        [10, 11],
        [12, 13],
        [14, 15]]])
>>> arr.sum(axis=0)
array([[ 8, 10],
       [12, 14],
       [16, 18],
       [20, 22]])

以上例子中，axis=0,首先来看一下，arr的0轴在哪里，arr的shape为（2,4,2），arr的shape下标为(0,1,2),**则axis=0对应于数组shape下标的的第一个位置。那么第一个位置的变化方向有几个呢，就要看shape下标对应的数值了，为2，**那我们列举这两个变化的方向

000->100 , 001->101 # 仅第一个数字改变
010->110 , 011->111
020->120 , 021->121
030->130 , 031->131

所以将以上两两变化的下标对应的数字进行sum就好了，就得到了上述的结果。

当axis=1时
000->010->020->030 # 仅第二个数字改变
001->011->021->031
100->110->120->130
101->111->121->131

得到：

>>> arr.sum(axis=1)
array([[12, 16],
       [44, 48]])