numpy方法中的axis参数理解

1.对于numpy中的二维数组

In[4]中，np.sum(a)没有指定axis参数值，此时表示将a平铺成为一个一维向量求取所有元素的和
In[5]中，np.sum(a, axis=0) 指定axis=0表示按照列来操作，最后得到的结果是每一列的和
In[6]中，np.sum(a, axis=1) 指定axis=1表示按照行来操作，最后得到的结果是每一行的和

2.对于numpy中的三维数组

此矩阵尺寸是 (2, 3, 4) 页，行，列
In[3]中，np.sum(a)没有指定axis参数值，此时表示将a平铺成为一个一维向量求取所有元素的和
In[4]中，np.sum(a, axis=0) 指定axis=0表示按照页来操作，最后得到的结果是每一页对应位置元素的和 输出(3, 4)
In[5]中，np.sum(a, axis=1) 指定axis=1表示按照列来操作，最后得到的结果是每一页每一列的和 输出(2, 4)
In[6]中，np.sum(a, axis=2) 指定axis=2表示按照行来操作，最后得到的结果是每一页每一行的和 输出(2, 3)

3.对于参数axis取值的一些个人理解(仅供参考)

• 个人平时用到的numpy中的数组绝大多数是二维和三维，所以针对上述的理解已经足够使用；numpy中的很多方法中的axis参数的设置与numpy.sum中的axis参数意义基本上一致，理解上面的例子基本可以应对axis出现的大多数场景
  
• 更一般地理解axis参数值是与shape函数的输出元组中的值有一些联系

---

例1中 a.shape:(3, 4)

当axis=0时，表示在a.shape[0]这一个方向上进行操作，
将具有相同的a.shape[1]方向上的值集中操作，最后的操作结果是消除这一个方向，结果变为了(4,)，而在本例中a是二维数组，a.shape[0]:3，表示的数组行数，那么消除行的操作，就是按照列来操作，将同一列的元素进行求和；
当axis=1时，同理是为了消除a.shape[1]这一个方向的操作，结果必然为(3,),即为对每一行的数据进行求和。

例2中 a.shape:(2, 3, 4)

当axis=0时，表示在a.shape[0]这一个方向上进行操作，最后的操作结果是消除这一个方向，即将页这一个方向消除，结果变为了(3, 4)，
而在本例中a是三维数组，a.shape[0]:2，表示的数组页数，那么消除页的操作，就是按照行和列来操作，将具有相同行和列的元素进行求和(就是上文中描述的将每一页中对应位置的元素求和)；当axis=1时，同理是为了消除a.shape[1]这一个方向的操作，结果必然为(2, 4),即为对具有相同页和列的数据进行求和；同理当axis=2时，同理是为了消除a.shape[2]这一个方向的操作，结果必然为(2, 3),即为对具有相同页和行的数据进行求和。

• 总结一下就是：设len(a.shape) = ndim，当axis=n，操作的结果就是要消除第n个维度，将具有相同的其他ndim-1个维度上的元素集中操作，输出结果的维度为ndim-1
  例如np.sum(a, axis=0) a是二维数组，a[:, 0] a[:, 1] … a[:, a.shape[1]-1] 均为一个向量，且每一个向量中的元素都具有相同的列,
  np.sum(a, axis=0) = [np.sum(a[:, 0]), np.sum(a[:, 1]), …, np.sum(a[:, a.shape[1]-1])] 长度是a.shape[1]