numpy中的axis的设置参数与数组的shape有关
例如一个shape（3，2，4）的数组，代表一个三维数组，要注意的是这里的维度与物理学的维度的理解是不太一样的
axis = 0时，就相当于所求的数组的结果变成shape（2，4）
axis = 1时，数组的结果shape（3，4）
axis = 2时，数组的结果shape（3，2）
这里应该看出来了，当axis=n的时候shape中相应的索引就会被去除，数组发生了降维，那么是如何降维的呢
首先要清楚shape里的数字都代表什么意义
3代表这个numpy数组里嵌套着3个数组（有三层）， 2代表其中每个数组的行数，3代表其中每个数组的列数
理解这个就很简单了.
假设有个数组arr1.shape（3，2，4）
arr1.sum（axis=0）那么首先得出来的结果肯定是个2行4列的数组，如何计算的呢？
asix=0就是去掉了shape（3，2，4）中的3，相当于不用去考虑数组的层级关系，直接看成一个整体
把每行和每列对应的元素相加即可，相当于其中一个数组的结果
arr1.sum（axis=1）得出的结果是个shape（3，4）
axis=1就相当于不用考虑每一行的，只考虑每一层和层中的每一列，一共有三层，每一层中的每一列相加即可
arr1.sum（axis=2），得出的结果是三层两列，不考虑列，只把每一层的每一行相加即可
二维数组就更简单了shape（3，4）这是一个三行四列的数组
sum（axis=0），不考虑行数，把列对应的数相加
最后总结下，axis=n ，就相当于不用考虑n所对应的意义，这个是针对于sum求和，如果是cumsum是不一样的，那个是累加shape保持不变