numpy中对于axis的理解

numpy中的axis的设置参数与数组的shape有关

例如一个shape（3，2，4）的数组，代表一个三维数组，要注意的是这里的维度与物理学的维度的理解是不太一样的

axis = 0时，就相当于所求的数组的结果变成shape（2，4）

axis = 1时，数组的结果shape（3，4）

axis = 2时，数组的结果shape（3，2）

这里应该看出来了，当axis=n的时候shape中相应的索引就会被去除，数组发生了降维，那么是如何降维的呢

首先要清楚shape里的数字都代表什么意义

3代表这个numpy数组里嵌套着3个数组（有三层），  2代表其中每个数组的行数，3代表其中每个数组的列数

理解这个就很简单了.

假设有个数组arr1.shape（3，2，4）

arr1.sum（axis=0）那么首先得出来的结果肯定是个2行4列的数组，如何计算的呢？

asix=0就是去掉了shape（3，2，4）中的3，相当于不用去考虑数组的层级关系，直接看成一个整体

把每行和每列对应的元素相加即可，相当于其中一个数组的结果