Python - numpy中axis的理解

axis的本质是数组层级

numpy中的ndarray本质上是一个多维数组，axis表示数组层级

arr = np.array(np.arange(12).reshape(3,4))
print(arr)
"""
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

"""
print(arr.shape) # (3, 4)

• axis=0，表示最外层的[]，相应的arr.shape[0]为 3，最外层数组有3个元素；
• axis=1，表示次外层的[]，相应的arr.shape[1]为 4，这就表示，在最外层的3个数组元素中，每个数组元素中又有4个元素。

若函数中axis=i，则沿着第i个下标变化、其余下标都不变的方向进行操作

以元素下标的形式表示数组arr为：
$arr[0][0]\ arr[0][1]\ arr[0][2]\ arr[0][3]\\ arr[1][0]\ arr[1][1]\ arr[1][2]\ arr[1][3]\\ arr[2][0]\ arr[2][1]\ arr[2][2]\ arr[2][3]\\$

"""
print(arr)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
"""
In [16]: arr.sum(axis=0)  # 表示沿着第0个索引变化，其它索引都不变的方向进行求和操作

Out[16]: array([12, 15, 18, 21])

# 相应的，在多维数组（dim=3,4,...)的情况中，也是如此

由以上结论，我们可以得到二维数组中axis含义的巧记方法：

• 二维数组中的巧记方法（沿方向操作）
  • axis=0，第一个索引变变化，第二个索引不变，即沿纵向操作；
  • axis=1，第二个索引变变化，第一个索引不变，即沿横向操作。