numpy中axis数轴理解

numpy中数组有数轴axis的说法，在numpy中提供的一些方法中经常需要这个参数。
其实numpy中的axis和维度是一一对应关系。
比如：
arr1 = np.arange(24).reshape((2, 3, 4))
#其中axis=0对应第一个维度2，axis=1对应第二个维度3，axis=2对应第三个维度4
#然后再哪个数轴上进行运算时，就相当于在对应维度的变化方向上做运算。

三维数组维度为（块， 行， 列）
二维数组维度为（行， 列）

例子1：

	arr1 = np.arange(24).reshape((2, 3, 4))
	##当axis=0时
	print("arr1:\n", arr1)
	t1 = arr1.max(axis=0)
	print("arr1.max(axis=0):\n", t1)

输出：
	arr:
	 [[[ 0  1  2  3]
	  [ 4  5  6  7]
	  [ 8  9 10 11]]

	 [[12 13 14 15]
	  [16 17 18 19]
	  [20 21 22 23]]]
	  
	  arr.max(axis=0):
	 [[12 13 14 15]
	 [16 17 18 19]
	 [20 21 22 23]]

分析：在axis=0（块）的变化方向上运算，得到去掉第一维度的数组为(3, 4)。然后第一块(3, 4)和第二块(3, 4)对应位置比较，最终得到数组t1，维度为(3, 4)

例子2：

	##当axis=1时
	print("arr1:\n", arr1)
	t2 = arr1.max(axis=1)
	print("arr1.max(axis=1):\n", t2)

输出：
	arr:
	 [[[ 0  1  2  3]
	  [ 4  5  6  7]
	  [ 8  9 10 11]]

	 [[12 13 14 15]
	  [16 17 18 19]
	  [20 21 22 23]]]
	  
	  arr.max(axis=1):
	 [[ 8  9 10 11]
	 [20 21 22 23]]

分析：在axis=1（行）的变化方向上运算，得到去掉第二维度的数组为(2, 4)。然后每块在第二维度的变化方向上计算最大值，得到最终数组t2,维度为(2, 4)

例子3：

	##当axis=2时
	print("arr1:\n", arr1)
	t3 = arr.max(axis=2)
	print("arr.max(axis=2):\n", t3)
	
输出：
	arr:
	 [[[ 0  1  2  3]
	  [ 4  5  6  7]
	  [ 8  9 10 11]]

	 [[12 13 14 15]
	  [16 17 18 19]
	  [20 21 22 23]]]
	  
	  arr.max(axis=2):
	 [[ 3  7 11]
	 [15 19 23]]

分析：在axis=3（列）的变化方向上运算，得到去掉第三维度的数组为(2, 3)。然后两快都在第三维度的变化方向上计算最大值，得到最终的数组t3，维度为(2, 3)

参考：大佬的博客
https://blog.csdn.net/qq_29573053/article/details/76998695