python中axis 0_在numpy.sum中没有清楚地理解python – axis = 0

所有这一切都是numpy在第一个(第0个)和唯一的轴上相加.考虑以下：

In [2]: a = np.array([1, 2, 3])

In [3]: a.shape

Out[3]: (3,)

In [4]: len(a.shape) # number of dimensions

Out[4]: 1

In [5]: a1 = a.reshape(3,1)

In [6]: a2 = a.reshape(1,3)

In [7]: a1

Out[7]:

array([[1],

[2],

[3]])

In [8]: a2

Out[8]: array([[1, 2, 3]])

In [9]: a1.sum(axis=1)

Out[9]: array([1, 2, 3])

In [10]: a1.sum(axis=0)

Out[10]: array([6])

In [11]: a2.sum(axis=1)

Out[11]: array([6])

In [12]: a2.sum(axis=0)

Out[12]: array([1, 2, 3])

所以,更明确一点：

In [15]: a1.shape

Out[15]: (3, 1)

a1是二维的,“长”轴是第一个.

In [16]: a1[:,0] # give me everything in the first axis, and the first part of the second

Out[16]: array([1, 2, 3])

现在,沿第一轴求和：

In [17]: a1.sum(axis=0)

Out[17]: array([6])

现在,考虑一个不那么微不足道的二维案例：

In [20]: b = np.array([[1,2,3],[4,5,6]])

In [21]: b

Out[21]:

array([[1, 2, 3],

[4, 5, 6]])

In [22]: b.shape

Out[22]: (2, 3)

第一个轴是“行”.沿着行汇总：

In [23]: b.sum(axis=0)

Out[23]: array([5, 7, 9])

第二个轴是“列”.列总结：

In [24]: b.sum(axis=1)

Out[24]: array([ 6, 15])