NumPy 轴(axis)的概念

NumPy 数组的维数（dimensions）

NumPy 数组的维数（dimensions），一维数组的秩为 1，二维数组的秩为 2，以此类推。在numpy中用array.ndim查看。

NumPy 数组的轴（axis）

在 NumPy中，有个概念叫轴（axis），轴的个数等于数组的维数。设axis=i，则Numpy沿着第i个下标变化的方向进行操作。
之所以叫轴，我是这么理解的，以这个2维矩阵为例：

array=np.arange(1,10,1).reshape((3,3))

[[1 2 3]
 [4 5 6]
 [7 8 9]]

可以想象数组的每一个元素是存在以下小方框中，可以通过在x轴(axis=0)上的坐标和在y轴(axis=1)上的坐标来确定它们的位置。

如果还不懂可以通过下面的例子进行理解：

轴（axis）的使用案例

对于以下NumPy数组：

array = np.random.randint(0, 3, [3,2,4,5])

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

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


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

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


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

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

它的维数为4，它的shape为[3,2,4,5]。
如果我们要提取出数组中的某个位置的数，我们可以通过下面的语法来得到：

方括号中指定元素坐标的变量我们可以将其看为这个数组的下标$arra{y}_{1,1,1,1}$，对于这个数组，他有4个轴，从左至右依次为axis=0轴、axis=1轴、axis=2轴、axis=3轴。

对参数为axis=2进行sum操作：

np.sum(array,axis=2)

会得到以下结果：

[[[6 3 4 3 4]
  [5 3 4 4 2]]

 [[8 6 3 2 2]
  [4 6 5 4 5]]

 [[4 6 2 4 4]
  [3 1 3 4 2]]]

这对每一个$arra{y}_{x,y,i,z},i=0,1,2,3$进行了求和，这个结果的shape为(3, 2,4, 5)即(3, 2, 5)。