numpy 若干行和列_Numpy的轴，pandas的行和列

使用幕布做了一系列详细笔记请点击：

高维ndarray的轴轴编号和索引傻傻分不清楚

很多函数需要传入轴编号，非常容易和索引弄混，以3维数组为例，轴有3条，编号分别为 0，1，2

我们制造一个3×3×3的3维数组：

arr3d=np.array([[[1,2,3],[4,5,6],[7,8,9]],[[10,11,12],[13,14,15],[16,17,18]],[[19,20,21],[22,23,24],[25,26,27]]])

arr3d.shape

输出

(3, 3, 3)

arr3d数组的shape元组为(3,3,3)，元组的索引为 [ 0,1,2 ]

可以看到轴编号和shape元组的索引是对等的，所以这个编号可以理解为高维ndarray.shape产生的元组的索引轴是什么鬼

数组就是按照下面的顺序储存的：

[ [[1,2,3] , [4,5,6] , [7,8,9] ], [[10,11,12] , [13,14,15] , [16,17,18] ] , [[19,20,21] , [22,23,24] , [25,26,27] ] ]

最内层一对 [ ] 可以代表一个1维数组，加粗的一对 [ ]里面有3个一维数组，也就是2维数组，最外层的一对 [ ] 里面有3个2维数组也就是3维数组

我们知道shape(3,3,3)表示数组的维度，既然shape的索引可以看做轴编号，那么一条轴其实就是一个维度，0轴对应的是最高维度3维，1轴对应2维，2轴对应的就是最低维度的1维。

数组中其实不存在行和列的概念，为了便于理解，我们画一个具有行和列的九宫格