numpy.mean,sum,max,min (keepdims=True)的理解

np.mean() 函数定义：
numpy.mean(a, axis, dtype, out，keepdims )

当 keepidms=True,保持其二维或者三维的特性,(结果保持其原来维数)
默认为 False,不保持其二维或者三维的特性.(结果不保持其原来维数)

接下来我举例子说明:
a 是一个(2,2)的二维数组.
第 486 和 491 对比,在 axis=1的时候,当 keepidms=True
则结果为 2 维,否则是1维.

继续引申:
若我们用 a 去减上面得出来的相应的 a 均值,会如何:

(1)axis=1,keepdims=True,这个条件下的均值是每一行的均值,是 2 维的,那我们用 a减去此均值,就是每一行的数字均去减去每一行的均值.
[1,2]-[1.5,1.5]
[3,4]-[3.5,3.5]

(2)axis=1,keepdims=False,这个条件下的均值也是每一行的均值,但是是 1 维的,那我们用 a 减去此均值,就是每一行的对应位置的数字分别减去此均值对应位置的数字.
[1,2]-[1.5,3.5]
[3,4]-[1.5,3.5]

(3)aixs=None,keepdims=False,这个条件下的均值是a 所有的数字的均值,那我们a 减去此均值,就是每个原色减去此均值.
[1,2]-[2.5,2.5]
[3,4]-[2.5,2.5]

继续继续引申:
sum,max,min 也有同样的共性,我们可以举一反三.

以上计算涉及广播等知识,
由此可以推论,
这对我们未来进行数据清洗,整理,计算很有用.