Numpy Axis

简介：Numpy中的axis

---

Numpy的axis表示numpy数组进行迭代运算的方向。Numpy中主要有两种类型的迭代过程：纵向顺序和横向顺序

两种类型的Numpy Axis

说明：以下关于Numpy axis的描述是基于二维或多维数组，对一维数组并不适用

Axis=0

Axis=0也被称作Numpy数组的第一个axis，表示：沿着行做垂直方向的运算，将数组压缩成一行

Axis=1

Axis=1也被称作Numpy数组的第二个axis，表示：沿着列做水平方向的运算，将数组压缩成一列

Numpy sum()

将二维数组传入np.sum()中，并传入参数axis，可以将二维数组压缩成一维数组，减少数组的维度。而沿着哪个轴压缩则取决于参数axis

import numpy as np
np_array_2d = np.arange(0, 6).reshape([2, 3])

print(np_array_2d)
#[[0 1 2]
# [3 4 5]]


# 压缩成一行
a = np.sum(np_array_2d, axis = 0)
print(a)  # [3 5 7]

# 压缩成一列
b = np.sum(np_array_2d, axis = 1)
print(b)  # [ 3 12]

---

联系：在MatLab中，sum()也可对行求和或列求和

array_2d = [0 1 2; 3 4 5]

# 按列求和，成一行
sum(array_2d, 1)  # [3 5 7]

# 按行求和，成一列
sum(array_2d, 2)  # [3; 12]

---

参考文章:

1. numpy.sum()的使用
2. Numpy Axis in Python With Detailed Examples