对python中axis的理解

$$对python中axis的理解$$

axis的实际含义是根据axis指定的维度进行连接，如矩阵m1的维度为(2,3), 那么axis=0就代表了第一个维度‘2’，
因此，将m1和m2按照第一个维度进行连接，得到的新的矩阵就是将第一维度进行相加，其余维度不变，即维度变成了(4,3).
同理，axis=1时就是将矩阵的第二维度进行合并，其余维度不变，即维度变成了（2,6）。

axis的值也可以设置为负数，如axis=-1实际上就是指倒数第一个维度

numpy中axis参数说明：
axis=i，即沿着数组第i个下标的变化方向进行操作。遍历完第i个下标所有的变化，求一次值。
axis=（i，j），即沿着数组第i和第j两个下标的变化方向`进行操作。

---

a = np.array(
    [
        [
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
            
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
    
               [[1, 2, 3, 3], 
                [3, 4, 3, 3]],
         ],  
         [
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
            
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
    
               [[1, 2, 3, 3], 
                [3, 4, 3, 3]],
         ],
        [
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
            
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
    
               [[1, 2, 3, 3], 
                [3, 4, 3, 3]],
         ],
        [
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
            
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
    
               [[1, 2, 3, 3], 
                [3, 4, 3, 3]],
         ],
        [
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
            
              [[1, 2, 3, 3], 
               [3, 4, 3, 3]],
    
               [[1, 2, 3, 3], 
                [3, 4, 3, 3]],
         ],
    ]
)

a.shape

a[x,y,w,z]

数组a有四个轴分别是x,y,w,z轴，这四个轴也分别叫第0轴、第1轴、第2轴和第3轴。

当axis=0,即沿着第0个轴x下标变化的方向进行求和，第0轴降维，得到的shape=(3,2,4)

print(a.sum(axis=0))
print(a.sum(axis=0).shape)

沿着第0个轴x下标变化的方向进行

a[0][0][0][0]+a[1][0][0][0]+a[2][0][0][0]+a[3][0][0][0]+a[4][0][0][0] = 1+1+1+1+1 = 5

a[0][0][0][0]+a[1][0][0][0]+a[2][0][0][0]+a[3][0][0][0]+a[4][0][0][0] = 1+1+1+1+1 = 5
a[0][0][0][1]+a[1][0][0][1]+a[2][0][0][1]+a[3][0][0][1]+a[4][0][0][1] = 2+2+2+2+2 = 10
a[0][0][0][2]+a[1][0][0][2]+a[2][0][0][2]+a[3][0][0][2]+a[4][0][0][2] = 3+3+3+3+3 = 15
...

当axis=1,即沿着第1个轴y下标变化的方向进行求和，第1轴降维，得到的shape=(5,2,4)

print(a.sum(axis=1))
print(a.sum(axis=1).shape)

当axis=2,即沿着第1个轴w下标变化的方向进行求和，第2轴降维，得到的shape=(5,3,4)

print(a.sum(axis=2))
print(a.sum(axis=2).shape)

当axis=3,即沿着第1个轴z下标变化的方向进行求和，第3轴降维，得到的shape=(5,3,2)

print(a.sum(axis=3))
print(a.sum(axis=3).shape)

当axis=(0, 2, 3),即沿着第0,2,3个轴x,w,z下标变化的方向进行求和，降维，得到的shape=(3)，遍历完下标所有的变化，求一次值。

a[5,3,2,4]

a[300,3,32,32]

np.mean(a, axis=(0, 2, 3))

a[x][0][w][z]+a[x][0][w][z]+a[x][0][w][z]+a[x][0][w][z]+a[x][0][w][z] =  5*2*4个数求平均 

a[x][1][w][z]+a[x][1][w][z]+a[x][1][w][z]+a[x][1][w][z]+a[x][1][w][z] =  5*2*4个数求平均

a[x][2][w][z]+a[x][0][w][z]+a[x][2][w][z]+a[x][2][w][z]+a[x][2][w][z]=   5*2*4个数求平均