2021-07-17 Python笔记 如何理解Numpy数组中的axis?

下面就简单讲讲我的思路吧

首先，我并不打算很执着地像大部分朋友一样非常强烈地想要搞清楚axis=0或axis=1与横、纵坐标的直接关系，因为我觉得这样的理解在数组维度较低的时候还可以适用，但是数组维度一高，就又会有经常混淆的情况出现。

我的想法还是更倾向于数形结合去理解

首先，axis的可能取值显然与数组的维度相关$[0,di{m}_{max}-1]$，我们下面就分别用一、二、三维度的数组来举例说明，帮助理解。

• 一维：

import numpy as np

x = np.array([1, 2, 3])
print(x.sum(0))
>>>6

一维的数组axis的取值显然只可能是0，代表的维度也不用多讲，易得 $sum=6$

• 二维：

import numpy as np

x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(x.sum(0))
print(x.sum(1))
>>>[12 15 18]
>>>[6 15 24]

二维的数组axis的取值可能为0或1
$x.sum(0)=[121518]$，其中 $12=1+4+7;15=2+5+8;18=3+6+9$。
$x.sum(1)=[61524]$，其中 $6=1+2+3;15=4+5+6;24=7+8+9$。

我们将这张图片与上面的两条式子对照一下，我们可以发现$x.sum(0)$计算的是每一行的$sum$，而$x.sum(1)$计算的是每一列的$sum$。

我们还可以从另一个所谓“内层与外层”的角度看待这个问题，通过观察本例中数组的初始化语句$$x=np.array([[1,2,3],[4,5,6],[7,8,9]])$$可以发现符号"[ ]"存在一个内层外层的关系，所以其实我们可以把 $axis=?$ 理解为内层或者外层的概念。
当 $axis=0$ 时，$x.sum(0)=[121518]$，相当于是把数组的外层$[1,2,3],[4,5,6],[7,8,9]$进行相加得到$[121518]$（位级相加）。
当 $axis=1$ 时，$x.sum(1)=[61524]$，相当于是把数组的内层分别相加，$[1,2,3]$相加得到$6$, $[4,5,6$]相加得到$15$，$[7,8,9]$相加得到$24$，最终得到$[61524]$。

所谓的内层、外层其实就是一层层的把最外层的[ ]符号给拆掉得到的，$[[1,2,3],[4,5,6],[7,8,9]]$）拆掉最外层的[ ]得到$[1,2,3],[4,5,6],[7,8,9]$，把$[1,2,3],[4,5,6],[7,8,9]$的[ ]拆掉，分别得到三组数字$123$、$456$、$789$

• 三维：

import numpy as np

x = np.array([[[1, 2, 3]], [[4, 5, 6]], [[7, 8, 9]]])
print(x.sum(0))
print(x.sum(1))
print(x.sum(2))
>>>[[12 15 18]]
>>>[[1 2 3]
 	[4 5 6]
 	[7 8 9]]
>>>[[ 6]
 	[15]
 	[24]]

我们同样是从两个角度来看
首先，数形结合

我们可以发现$x.sum(0)$计算的是沿着x轴方向的$sum$，$x.sum(1)$计算的是沿着y轴方向的$sum$，$x.sum(2)$计算的是沿着z轴方向的$sum$

然后，从“内层与外层”的角度看待这个问题$$x=np.array([[[1,2,3]],[[4,5,6]],[[7,8,9]]])$$

当 $axis=0$ 时，$x.sum(0)=[[121518]]$，相当于是把数组的外层$[[1,2,3]],[[4,5,6]],[[7,8,9]]$进行相加得到$[[121518]]$。
当 $axis=1$ 时，$x.sum(1)=[[123][456][789]]$，相当于是把数组的次外层$[1,2,3],[4,5,6],[7,8,9]$进行拼接（是拼接而不是相加，是因为它们原本不存在于同一个[ ]中，在二维的例子中是数值相加是因为它们原本是从同一个[ ]中拆分出来的），得到$[[123][456][789]]$。
当 $axis=2$ 时，$x.sum(2)=[[6][15][24]]$，相当于是把数组的内层$1,2,3$、$4,5,6$、$7,8,9$ 进行分别相加得到$[[6][15][24]]$。