numpy axis用法

为什么会有axis这个东西，原因很简单：numpy是针对矩阵或者多为数组进行运算的，而在多维数组中，对数据的操作有太多的可能，我们先来看一个例子。

二维

比如我们有一个二维数组：

>>> import numpy as np
>>> data = np.array([ [1,2,1],
                      [0,3,1],
                      [2,1,4],
                      [1,3,1] ])

这个数组代表了样本数据的特征，其中每一行代表一个样本的三个特征，每一列是不同样本的特征。

如果在分析样本的过程中需要对每个样本的三个特征求和，该如何处理？简单：

>>> np.sum(data, axis=1)
array([4, 4, 7, 5])

那如果想求每种特征的最小值，该如何处理？也简单：

>>> np.min(data, axis=0)
array([0, 1, 1])

又如果想得知所有样本所有特征的平均值呢？还是很简单：

>>> np.average(data)
1.6666666666666667

由此可以看出，通过不同的axis，numpy会沿着不同的方向进行操作：

• 如果不设置，那么对所有的元素操作；
• 如果axis=0，则沿着纵轴进行操作；
• axis=1，则沿着横轴进行操作。

多维

可以总结为一句话：设axis=i，则numpy沿着第i个下标变化的放下进行操作。

例如刚刚的例子，可以将表示为：data =[[a00, a01],[a10,a11]]，所以axis=0时，沿着第0个下标变化的方向进行操作，也就是a00->a10, a01->a11，也就是纵坐标的方向，axis=1时也类似。