numpy统计函数中axis参数的含义

numpy统计函数中axis参数的含义

基础统计函数包括：sum, mean, std, var,min,max,argmin, argmax, cumsum, cumprod

以sum为例

>>> arr
array([[[ 1,  2], [ 3,  4], [ 5,  6]],

       [[ 7,  8], [ 9, 10], [11, 12]],

       [[13, 14], [15, 16], [17, 18]]])

>>> arr.shape
(3, 3, 2)

>>> arr.sum()
171

>>> arr.sum(0)
array([[21, 24],
       [27, 30],
       [33, 36]])

>>> arr.sum(1)
array([[ 9, 12],
       [27, 30],
       [45, 48]])

>>> arr.sum(2)
array([[ 3,  7, 11],
       [15, 19, 23],
       [27, 31, 35]])

轴线的概念依旧和transpose & swapaxes中一样，表示的是shape的序号

根据axis（轴）进行统计时，统计函数的作用范围为：按传入的axis（轴）进行组合的数据的集合
或者说除传入axis（轴）之外的axis（轴）上的数据不能进行组合

以axis=1为例：
传入的axis表示shape中的（3,3,2），
则数据组合规则为：1,2不能组合，1,7不能组合，因为这种组合不在axis=1表示的轴上
故组合的方式为：1,3,5 ……
即：

列1	列2
（1,3,5）	（2,4,6）
（7,9,11）	（8,10,12）
（13,15,17）	（14,16,18）

最终结果为的个数为：
3 * 2 = 6个

---

其他：

• 进行高维计算时可暂时将其他不相关的维度看做一个整体思考
• 对于axis的理解，轴线对应的位置表示他的维度，数值表示当前维度该轴线的根数
• 数据的组合发生在当前的维度上，不会跨维