numpy中axis的通俗理解

先说结论

numpy中的axis与shape有关，shape为一个tuple，这个tuple的index即为所在的axis。例如一个ndarray形状为(4,3,2)，则4对应的axis为0，3对应的axis为1，2对应的axis为2。

import numpy as np
x=np.arange(24).reshape(4,3,2)
print(x)

运行结果：

[[[ 0  1]
  [ 2  3]
  [ 4  5]]

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

 [[12 13]
  [14 15]
  [16 17]]

 [[18 19]
  [20 21]
  [22 23]]]

也即，最外层括号axis=0，每向内增加一层括号，axis加1。

求axis=0的最大值

print(x.max(axis=0))

[[18 19]
 [20 21]
 [22 23]]

分析：只看最外层括号，最外层括号内是由4个元素组成，每个元素是由一个3*2的矩阵（二维数组）组成。求axis=0的最大值即求这四个元素的最大值，因为元素为矩阵(3*2)，最大值即矩阵element-wise(对应元素)的最大值。例如四个矩阵中第一个元素分别为0、6、12、18，所以最大值为18。以此类推：
$$max(\left[\begin{array}{cc}0& 1\\ 2& 3\\ 4& 5\end{array}\right]+\left[\begin{array}{cc}6& 7\\ 8& 9\\ 10& 11\end{array}\right]+\left[\begin{array}{cc}12& 13\\ 14& 15\\ 16& 17\end{array}\right]+\left[\begin{array}{cc}18& 19\\ 20& 21\\ 22& 23\end{array}\right])=\left[\begin{array}{cc}18& 19\\ 20& 21\\ 22& 23\end{array}\right]$$

求axis=1的最大值

print(x.max(axis=1))

[[ 4  5]
 [10 11]
 [16 17]
 [22 23]]

分析：现在只看axis=0中的每一个3*2矩阵（二维数组），每一个二维数组是由三个元素（一维数组）组成。求axis=1的最大值即求三个元素的最大值，因为元素为矩阵（1*2）,最大值即矩阵element-wise(对应元素)的最大值。以第一个矩阵为例：

[[ 0  1],[ 2  3],[ 4  5]]

$$max(\left[\begin{array}{cc}0& 1\end{array}\right]+\left[\begin{array}{cc}2& 3\end{array}\right]+\left[\begin{array}{cc}4& 5\end{array}\right])=\left[\begin{array}{cc}4& 5\end{array}\right]$$

其它几个矩阵求法一样。

求axis=2的最大值

print(x.max(axis=2))

[[ 1  3  5]
 [ 7  9 11]
 [13 15 17]
 [19 21 23]]

分析：现在只看axis=1中的每一个一维数组。每一个一维数组都是由scalar组成，最大值即为数组中最大的元素，例：
$$\begin{gathered} max(\left[\begin{array}{cc}0& 1\end{array}\right])=1 \\ max(\left[\begin{array}{cc}2& 3\end{array}\right])=3 \\ max(\left[\begin{array}{cc}4& 5\end{array}\right])=5) \end{gathered}$$
其他求法类似。