9、Numpy库---Axis理解

之前的课程中，为了方便大家理解，我们说axis=0代表的是行，axis=1代表的是列。但其实不是这么简单理解的。这里我们专门用一节来解释一下这个axis轴的概念。

除了delete用axis=0表示行以外，其他的大部分函数都是axis=1来表示行。

简单来说， 最外面的括号代表着 axis=0，依次往里的括号对应的 axis 的计数就依次加 1。什么意思呢？下面再来解释一下。

最外面的括号就是axis=0，里面两个子括号axis=1。 操作方式：如果指定轴进行相关的操作，那么他会使用轴下的每个直接子元素的第0个，第1个，第2个…分别进行相关的操作。

现在我们用刚刚理解的方式来做几个操作。比如现在有一个二维的数组：

x = np.array([[0,1],[2,3]])
print(x)
# [[0 1]
#  [2 3]]

1、求x数组在axis=0和axis=1两种情况下的和：

print(x.sum(axis=0)) #结果为：[2 4]

为什么得到的是[2,4]呢，原因是我们按照axis=0的方式进行相加，那么就会把最外面轴下的所有直接子元素中的第0个位置进行相加，第1个位置进行相加…依此类推，得到的就是0+2以及2+3，然后进行相加，得到的结果就是[2,4]。

print(x.sum(axis=1)) #结果为：[1 5]

因为我们按照axis=1的方式进行相加，那么就会把轴为1里面的元素拿出来进行求和，得到的就是0,1，进行相加为1，以及2,3进行相加为5，所以最终结果就是[1,5]了。

2、用.max求axis=0和axis=1两种情况下的最大值：

np.random.seed(100)#没啥影响，如果不懂看上一节介绍。
x = np.random.randint(0,10,size=(3,5))
print(x)
# [[8 8 3 7 7]
#  [0 4 2 5 2]
#  [2 2 1 0 8]]
print(x.max(axis=0)) #结果为：[8, 8, 3, 7, 8]

因为我们是按照axis=0进行求最大值，那么就会在最外面轴里面找直接子元素，然后将每个子元素的第0个值放在一起求最大值，将第1个值放在一起求最大值，将第2个值放在一起求最大值，以此类推。而如果axis=1，那么就是拿到每个直接子元素，然后求每个子元素中的最大值：

print(x.max(axis=1)) #结果为：[8, 5, 8])

3、用.delete在axis=0和axis=1两种情况下删除元素：

#3、用.delete在axis=0和axis=1两种情况下删除元素：
x = np.array([[0,1],[2,3]])
print(x)
# [[0 1]
#  [2 3]]
print(np.delete(x,0,axis=0)) #结果为：[[2, 3]]

np.delete是个例外。我们按照axis=0的方式进行删除，那么他会首先找到最外面的括号下的直接子元素中的第0个，然后删掉，剩下最后一行的数据。

print(np.delete(x,0,axis=1))
# [[1]
#  [3]]

同理，如果我们按照axis=1进行删除，那么会把第一列的数据删掉。

4、三维以上数组：

按照之前的理论，如果以上数组按照axis=0的方式进行相加，得到的结果如下：

如果是按照axis=1的方式进行相加，得到的结果如下：