numpy中axis的通俗理解

先说结论

numpy中的axis与shape有关，shape为一个tuple，这个tuple的index即为所在的axis。例如一个ndarray形状为(4,3,2)，则4对应的axis为0，3对应的axis为1，2对应的axis为2。

import numpy as np
x=np.arange(24).reshape(4,3,2)
print(x)

运行结果：

[[[ 0  1]
  [ 2  3]
  [ 4  5]]

 [[ 6  7]
  [ 8  9]
  [10 11]]

 [[12 13]
  [14 15]
  [16 17]]

 [[18 19]
  [20 21]
  [22 23]]]

也即，最外层括号axis=0，每向内增加一层括号，axis加1。

求axis=0的最大值

print(x.max(axis=0))

[[18 19]
 [20 21]
 [22 23]]

分析：只看最外层括号，最外层括号内是由4个元素组成，每个元素是由一个3*2的矩阵（二维数组）组成。求axis=0的最大值即求这四个元素的最大值，因为元素为矩阵(3*2)，最大值即矩阵element-wise(对应元素)的最大值。例如四个矩阵中第一个元素分别为0、6、12、18，所以最大值为18。以此类推：
m a x ( [ 0 1 2 3 4 5 ] + [ 6 7 8 9 10 11 ] + [ 12 13 14 15 16 17 ] + [ 18 19 20 21 22 23 ] ) = [ 18 19 20 21 22 23 ] max(\left[ \begin{matrix} 0 & 1 \\ 2 & 3 \\ 4 & 5 \end{matrix} \right]+\left[ \begin{matrix} 6 & 7 \\ 8 & 9 \\ 10 & 11 \end{matrix} \right]+\left[ \begin{matrix} 12 & 13 \\ 14 & 15 \\ 16 & 17 \end{matrix} \right]+\left[ \begin{matrix} 18 & 19 \\ 20 & 21 \\ 22 & 23 \end{matrix} \right])=\left[ \begin{matrix} 18 & 19 \\ 20 & 21 \\ 22 & 23 \end{matrix} \right] max(⎣⎡​024​