彻底理解numpy中的axis

为什么要设计axis这个东西呢？

numpy是个多维数组，多维数组运算需要指定到底对哪一维操作，因此axis就是用来指定需要操作的维数。

简单示例
先来看看一个二维数组

假设 这个数组代表了样本数据的特征，其中每一行代表一个样本的三个特征，每一列是不同样本的特征。如果在分析样本的过程中需要对每个样本的三个特征求和，该如何处理？

那如果想求每种特征的最小值，该如何处理？

重点
由此可以看出：（划重点）通过不同的axis，numpy会沿着不同的方向进行操作：如果不设置，那么对所有的元素操作；如果axis=0，则沿着纵轴进行操作；axis=1，则沿着横轴进行操作。但这只是简单的二位数组，如果是多维的呢？可以总结为一句话：设axis=i，则numpy沿着第i个下标变化的方向进行操作。例如刚刚的例子，可以将表示为：

所以axis=0时，沿着第0个下标变化的方向进行操作，也就是a00->a10, a01->a11，也就是纵坐标的方向，axis=1时也类似。

多维数组验证
下面我们举一个四维的求sum的例子来验证一下：


当axis=0时，numpy验证第0维的方向来求和，也就是第一个元素值=D0000+D1000+D2000+D3000=3+0+2+1=6,第二个元素=D0001+D1001+D2001+D3001=5+5+4+3=17，同理可得最后的结果如下：

当axis=3时，numpy验证第3维的方向来求和，也就是第一个元素值=D0000+D0001+D0002+D0003=3+5+5+0=13,第二个元素=D0010+D0011+D0012+D0013=0+1+2+4=7，同理可得最后的结果如下：

使用axis的相关函数

在numpy中，使用的axis的地方非常多，处理上文已经提到的average、max、min、sum，比较常见的还有sort和prod，下面分别举几个例子看一下：

sort


prod(即product，乘积)
简要概括axis的用法是：假设axis = i，则numpy沿着第 i 个下标变化的方向进行操作