目录
在opencv的学习过程，很多同学对轴的概念会感到困惑，今天我们就来弄清楚它。
对某个轴进行操作，就是沿着轴的方向操作。
1.一维数组的axis(轴）
让我们先从最简单的一维数组来理解轴。
如下图所示，该一维数组只有一个轴，即轴0，数组元素的索引沿轴的方向依次增加。
#对于一味数组
a= np.array([1,2,3])
suma = np.sum(a) #suma = 9，未指定轴时，就是对数组所有元素进行操作
sum0 = np.sum(a,axis=0) #sum1 = 9 指定轴时，沿着指定轴的方向求和
2.二维数组的axis(轴）
下面是二维数组，沿着不同的轴进行聚合（求和、求最大值、求最小值）的处理类似，下面演示的是求和操作。
#对于二味数组，沿着某个轴聚合，就是将其他轴索引相同，但聚合的那个轴的索引值不同的原酸进行聚合
a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
suma = np.sum(a) #suma = 78
sum0 = np.sum(a,axis=0) #sum0 = [15,18,21,24] 沿着轴0的方向求和
sum1 = np.sum(a,axis=1) #sum1 = [10,26,42] 沿着轴1的方向求和
3.三维数组的axis(轴）
下面是三维数组，下面演示的是求和操作。
如下图所示，轴0为Z轴，轴1为y轴，轴0 为x轴
#二维数组的聚合
a=np.array([[[1,2,3],[4,5,6],[7,8,9]],[[11,12,13],[14,15,16],[17,18,19]],[[21,22,23],[24,25,26],[27,28,29]]])#suma = 78 未指定轴时，就是对数组所有元素进行操作
suma = np.sum(a)#sum0 = 78 按轴0方向进行求和，结果只保留其他练个维度[[33,36,39],[42.45.48].[51.54.57]]
sum0 = np.sum(a,axis=0)#sum1 = 78 按轴1方向进行求和，结果只保留其他练个维度[[12,15,18],[42.45.48].[72.75.78]
sum1 = np.sum(a,axis=1)#sum2 = 78 按轴2方向进行求和，结果只保留其他练个维度[[6,15,24],[36.45.54].[66.75.84]
sum2 = np.sum(a,axis=2)
4.总结
对于多维数组 a[i][[][k],第一个下标就是轴0，第二个下标就是轴1，....，第n个下标就是轴n-1
对某个轴操作，
1）产生的结果数组的shape：该轴消失，只留下其他的轴，
例如 对 a[2][3][4] 进行求和（或者求最大值、最小值等）
若axis = 0 ，那么结果数组的形状为 a[3][4]
若axis = 1 ，那么结果数组的形状为 a[2][4]
若axis = 2 ，那么结果数组的形状为 a[2][3]
2）操作结果是沿着指定的轴操作
若axis = 0 ，那么结果数组的对应元素值的计算 例如 a[0][0]=a[0][0][0] + a[1][0][0] + a[2][0][0]
若axis = 1 ，那么结果数组的对应元素值的计算 例如 a[1][2]=a[1][0][2] + a[1][1][2] + a[1][2][2]
若axis = 2 ，那么结果数组的对应元素值的计算 例如 a[2][0]=a[2][0][0]+ a[2][0][1] + a[2][0][2]
也就是说，要计算某个a[j][k]的计算结果，是将原数组中其他轴与j，k索引值一致，而聚合轴上索引值遍历得到的所有元素的计算结果，
#关于多维数组的理解
#我们用一个数组来存储一个蜜雪冰城店铺的单品(冰激凌、圣代、奶茶、其他）的销售额
sale=np.array([1,2,3])
#随着我们系统的发展，我们开了4个分店，需要存储（1分店，2分店，3分店，4分店）的成绩
sale2=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
#后来，我们的生意又拓展了外地（广州，深圳）
sale3 =np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]],[[61,62,63],[64,65,66],[67,68,69],[70,71,72]]])
#那么此时score3[0][1][2]就表示广州1分店圣代的销售额
#也就是 轴0表示地区，轴1表示是分店 轴2表示产品的销售额
#当我们希望汇总不同地区的相应分店的各个产品的销售额时，那么我们就用轴0进行汇总
print("sale3=",sale3)
sum0 = np.sum(sale3,axis=0)
print("sum0 = np.sum(score3,axis=0) 结果\n",sum0)
sum1 = np.sum(sale3,axis=1)
print("sum1 = np.sum(score3,axis=1) 结果\n",sum1)
sum2 = np.sum(sale3,axis=1)
print("sum1 = np.sum(score3,axis=2) 结果\n",sum2)
聪明的你，现在是不是已经明白了呢？