对numpy axis（轴）的理解

之前对numpy函数中axis参数所指向的数据一直无法完全理解，但是接触过跨度的概念之后，对axis参数所指向的数据才有所理解。

以numpy.sum函数为例，初始化一个维度为2*3*4维的全一矩阵，代码如下：

arr = np.ones((2, 3, 4))

结果如下：

array([[[1., 1., 1., 1.],
        [1., 1., 1., 1.],
        [1., 1., 1., 1.]],

       [[1., 1., 1., 1.],
        [1., 1., 1., 1.],
        [1., 1., 1., 1.]]])

所谓沿着某个轴计算就是将这个轴上的所有元素进行相应计算，以numpy sum函数为例，对于axis=0的情况，就是将0轴上的元素依次相加，其他轴的元素维度保持不变，在上例中0轴上共有两个元素，分别为arr[0], arr[1]，数据如下：

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

对这两个元素相加，结果如下：

>>> arr[0] + arr[1]
array([[2., 2., 2., 2.],
       [2., 2., 2., 2.],
       [2., 2., 2., 2.]])

接下来用sum函数对结果进行验证。

>>> np.sum(arr, axis=0)
array([[2., 2., 2., 2.],
       [2., 2., 2., 2.],
       [2., 2., 2., 2.]])

结果完全相同。

利用同样的方法对axis=1进行验证，沿着1轴进行计算，实际进行的是0轴保持维度不变，1轴的对应元素进行计算。以上例就是arr[0][0] + arr[0][1] + arr[0][2]， arr[1][0] + arr[1][1] + arr[1][2]两个结果。

还是先用具体元素进行验证：

>>> arr[0][0] + arr[0][1] + arr[0][2]
array([3., 3., 3., 3.])
>>> arr[1][0] + arr[1][1] + arr[1][2]
array([3., 3., 3., 3.])

再用sum进行验证

>>> np.sum(arr, axis=1)
array([[3., 3., 3., 3.],
       [3., 3., 3., 3.]])

结果还是完全相同，对于axis=2一样可以得到相同的结果。

总结：numpy函数的axis不能简单的理解为轴0是行，轴1是列。而应该理解为沿着某个轴，就是对对应维度的元素进行计算，其他维度的元素保持不变。