小白学Python：通俗理解axis

引言

我们在学习NumPy的函数时会发现，很多函数都包含参数axis，可见理解axis是NumPy修炼之路上的必修课，本文就带大家通俗理解axis。

理解axis

axis可以简单的理解为维度或者轴，比如矩阵（二维数组）有两个维度或两个轴，即行和列，N维数组有N个维度或N个轴。

当数组有多个轴时，我们就会对axis进行标号（从0开始），比如axis=0、axis=1、axis=2 ···

到这里相信大家都能理解，很多读者的疑问可能在于：如何知道某个axis对应的是数组的哪个维度？尤其在使用NumPy函数时，假如要对数组的某个维度进行处理，如何取设定axis的值？比如对于矩阵，axis=0对应行还是列，或者说，np.sum(axis=0)是对各行求和还是对各列求和？

其实很简单，大家就记住一个原则：axis会把数组的对应axis的size变成0（因此，函数返回的数组维数会比原数组少1）。

记住这个原则，我们就能迅速理解NumPy函数在设定不同的axis时对数组是如何处理的，下面使用np.sum()进行举例：

对于矩阵(N,M)，当axis=0时，np.sum()之后的矩阵形状为(M,)，即第1维度（轴0）的size变成了0，而其他维度的size不变；当axis=1时，np.sum()之后的矩阵形状为(N,)，即第2维度（轴1）的size变成了0。因此我们很容易明白，np.sum(axis=0)是对矩阵的各列求和，np.sum(axis=1)是对矩阵的各行求和。

注：1维数组的shape均写成(N,)，其中N是该维的size

a=np.random.randint(0,3,(3,4))
print (a)
>>>
[[1 0 2 0]
 [1 0 1 2]