numpy的n维矩阵 np.sum() 中参数axis的理解

个人看来，numpy的高维矩阵，是基于一维向量和二维数组就可以进行理解的，也就是说每次把元素拓展成一个向量，就可以多出一个维度，n为偶数时，只不过是二维数组套二维数组，类似套娃的形式即可理解。
其索引是由外向内的，本质还是列表嵌套的形式的，比如一个三维矩阵:

>>> a = np.arange(12).reshape((2,2,3))
>>> a
array([[[ 0,  1,  2],
        [ 3,  4,  5]],

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

在这个理论下，

>>> a[1]
array([[ 6,  7,  8],
       [ 9, 10, 11]])
>>> a[1][0]
array([6, 7, 8])
>>> a[1,0,2]
8

再说下参数axis的含义。书上和很多人的理解是直接告诉你axis＝0是跨行，axis＝1是跨列。我一直觉得这种理解稍显呆板。实际上从索引出发，就明白了，在np.sum()函数里参数axis的值表示的是第几个索引下的元素去整合，那axis＝2就表示其他索引不变，第3个索引处的值全部相加。

b [ j ] ＝ ∑ i = 0 a [ i , j ] b[j]＝\sum_{i=0} a[i,j]