python sum axis,numpy.sum()方法中axis参数的理解

numpy.sum()可以对numpy数组中的元素进行求和运算，在不指定参数axis时，会对所有的元素进行求和

a = np.array(

[[1,2,3],

[2,3,4]]

)

a.sum() # 结果：15

当指定axis时，会按照参数设置对指定坐标轴进行加和，这个参数其实有点抽象，先看例子：

a.sum(axis=0) # 结果：[3, 5, 7]

a.sum(axis=1) # 结果：[6, 9]

再加一维就有点混乱：

b = np.array(

[[[1,2,3],

[2,3,4]],

[[3,4,5],

[4,5,6]]]

)

b.sum(axis=0) # 结果：[[ 4, 6, 8], [ 6, 8, 10]]

b.sum(axis=1) # 结果：[[ 3, 5, 7], [ 7, 9, 11]]

b.sum(axis=2) # 结果：[[ 6, 9], [12, 15]]

axis这时还可以是元组,更抽象

b.sum(axis=(0,1)) #结果：[10, 14, 18]

b.sum(axis=(0,2)) # 结果：[18, 24]

我们在想象一个数组时，往往喜欢将数组想象为一个几何图形，如将二位数组想象为平面中的网格，三维则是空间中的立方体，这种方法几乎成了了人们思维的贯式，但这种方法有很大的局限性。在2维，3维时我们尚可在脑中想象，或在纸上画出草图，但更高维则非常困难。所以在理解numpy数组时，不应该将数组想象为几何图形，反而从符号上直接入手会更容易。

在这个问题中，我们把三维数组b看作b[][][] ，从左到右依次是第0，1，2维的下标。而axis参数指定了某一个维度，求和结果的形状就是其他两个维度的形状，结果的值就是其他两个维度(axis指定维度之外的维度)指定情况下，该维度(axis指定维度)所有值的和。

换句话来说，axis所指定的维度就是加和时要循环的维度

用上面的a,b两个数组举例子：a.sum(axis=0)，其中a.shape=(2, 3), 我们可以知道求和结果s的形状为(3,),结果中的每一个值s[i]就是：

s[i] = a[0][i] + a[1][i] + a[2][i]

说人话(空间理解)就是对 2行 3列 的a，求每列的和。axis指定了第0维，加和时要循环的维度就是第0维度，即循环行，结果就是对每列求和。

复杂的情况：b.sum(axis=(0,1))，其中b.shape=(2，2，3)，我们可以得到求和结果s的形状为(3,),结果中的每一个值s[i]就是：

s[i] = b[0][0][i] + b[0][1][i] + b[1][0][i] + b[1][1][i]

说人话就是对 长2 宽2 层数为3 的b，求每一层的和。axis指定了第(0, 1)维，加和时要循环的维度就是第0和第1维度，即循环长宽，结果就是对每一层求和。

b.sum(axis=2)，其中b.shape=(2，2，3)，我们可以得到求和结果s的形状为(2, 2),结果中的每一个值s[i][j]就是：

s[i][j] = b[i][j][0] +b[i][j][1] +b[i][j][2]

说人话就是对 长2 宽2 层数为3 的b，求长宽二维平面每一点上所有层的和。axis指定了第2维，加和时要循环的维度就是第2维，即循环每一层，结果就是长宽的二维平面，平面上每一个点代表其位置上所有层的和 。