numpy中axis的理解

1. 通过打印numpy数组的shape属性，可以查看其数据的结构特点。shape形如(n,)的numpy数组定义为一维数组，形如(n,m)定义为二维数组，即一个n行m列的矩阵。以此类推延申到多维数组的shape。
2. 为了能更好地对多维数组进行操作处理，numpy引用了axis轴的概念，它与shape维度的对应关系如下图所示，

axis=-1永远指向数组的最后一维。

以三维numpy数组为例，

 

a = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
b = np.array([[[9, 10], [11, 12]], [[9, 10], [11, 12]]])
print(np.concatenate((a, b), axis=-1))


[[[ 1  2  9 10]
  [ 3  4 11 12]]

 [[ 5  6  9 10]
  [ 7  8 11 12]]]

print(np.concatenate((a, b), axis=0))


[[[ 1  2]
  [ 3  4]]

 [[ 5  6]
  [ 7  8]]

 [[ 9 10]
  [11 12]]

 [[ 9 10]
  [11 12]]]


print(np.concatenate((a, b), axis=1))


[[[ 1  2]
  [ 3  4]
  [ 9 10]
  [11 12]]

 [[ 5  6]
  [ 7  8]
  [ 9 10]
  [11 12]]]