numpy--axis的理解

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/ohohohmygodness/article/details/88544570

之前在学习numpy的时候被axis搞的头晕，为此我特意浏览了几篇博客，并且记录下自己的感悟理解

import numpy as np
np.random.seed(1)
x = np.random.randint(0,5,[2,3,2])
print x
print "axis=0: "
print x.sum(axis=0)
print "axis=1: "
print x.sum(axis=1)
print "axis=2 "
print x.sum(axis=2)

输出结果

[[[3 4]
  [0 1]
  [3 0]]

 [[0 1]
  [4 4]
  [1 2]]]
axis=0: 
[[3 5]
 [4 5]
 [4 2]]
axis=1: 
[[6 5]
 [5 7]]
axis=2 
[[7 1 3]
 [1 8 3]]

axis=n 就是去除掉矩阵的第n个维度
上述例子中，矩阵的维度是2x3x2
那么axis=0，就是使得矩阵变为3x2维度，当然，这个只是粗略的理解，那么具体应该怎样理解呢？axis=0，那么处理掉第一个维度，即最后我们要删掉最外层的括号，上述例子中我们删掉最外层括号后，得到两个3x2的矩阵

[[3 4]
  [0 1]
  [3 0]]

 [[0 1]
  [4 4]
  [1 2]]

对应位置相加，得到

[[3 5]
 [4 5]
 [4 2]]

axis=1，要使矩阵维度变成2x2，
首先保留最外层的括号，然后对内部的两个结构逐个处理

[[3 4]
  [0 1]
  [3 0]]

对于这个结构，删掉最外层
得到

  [3 4]
  [0 1]
  [3 0]

这三个子结构对应位置相加
得到

[6 5]

同理，另一个结构得到

[5 7]

由于上面保留了最外层的括号，现在整合一下

[[6 5]
 [5 7]]

axis=2的分析与axis=1类似，就不再赘述了

常见的二维矩阵中，axis=0表示沿竖直方向操作，axis=1表示沿水平方向操作

以上纯属个人理解，有失偏颇之处还望指正