** 前言
在numpy的使用中，對axis的使用總是會產生疑問，如np.sum函式，在多維情況下，axis不同的取值應該做怎樣的運算呢？返回的是什麼形狀的陣列呢？在網上查了很多資料，總是似懂非懂，查閱了官方檔案，以及多次試驗後，我總結出一種能深入透徹理解axis用法的說明，配合著np.sum例子。希望大家再也不會對axis的使用產生困惑，即使在高維情況下也信手拈來。
numpy中axis取值的說明
首先對numpy中axis取值進行說明：一維陣列時axis=0，二維陣列時axis=0，1，維數越高，則axis可取的值越大，陣列n維時，axis=0，1，…，n。為了方便下面的理解，我們這樣看待：在numpy中陣列都有著標記，則axis=0對應著最外層的，axis=1對應第二外層的，以此類推，axis=n對應第n外層的。
下面開始從axis=0，axis=1這兩個例子開始，深入透徹的理解numpy中axis的用法。
axis = 0表示對最外層裡的最大單位塊做塊與塊之間的運算,同時移除最外層：
a= np.array([1,2,3])
a.sum(axis = 0)
>>>612
3因為只有一層，所以直接對這一層裡的最大單位快1，2，3做運算；
做完加法後本應是[6]，但是移除最外層後，不存在了，所以返回的是6。
a= np.array([[1,2],[3,4]])
a.sum(axis = 0)
>>>array([4, 6])12
3有兩層，最外層裡的最大單位塊分別為[1,2]，[3,4]，對這兩個單位塊做塊與塊之間的運算，[1,2]+[3,4] = [4, 6]；
做完加法後本應是[[4, 6]]，但是移除最外層後，原來的兩層變成一層,所以返回結果為 [4, 6]。
np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
a.sum(axis = 0)
>>>array([[12, 14], [16, 18]])12
3有三層，最外層裡的最大單位塊分別為[[1,2],[3,4]]，[[11,12],[13,14]]，對這兩個單位塊做塊與塊之間的運算，[[1,2],[3,4]] + [[11,12],[13,14]] = [[12, 14], [16, 18]]；
做完加法後本應是[[[12, 14], [16, 18]]]，但是移除最外層後，原來的三層變成兩層,所以返回結果為[[12, 14], [16, 18]]；
axis= 1表示對第二外層裡的最大單位塊做塊與塊之間的運算,同時移除第二外層：
a= np.array([1,2,3])
a.sum(axis = 1)
>>>valueerror: 'axis' entry is out of bounds12
3因為只有一層，axis取值只有乙個，為0.
a= np.array([[1,2],[3,4]])
a.sum(axis = 1)
>>>array([3, 7])12
3有兩層，第二外層裡的最大單位塊有兩組（因為有兩個第二外層），第一組是1，2，第二組是3，4，分別對這兩個單位塊做塊與塊之間的運算，第一組結果為1+2=3，第二組結果為3+4=7；
做完加法後本應是[[3],[7]]，但是移除第二外層後，原來的兩層變成一層,所以返回結果為[3, 7]。
np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
a.sum(axis = 0)
>>>array([[ 4, 6], [24, 26]])12
3有三層，第二外層裡的最大單位塊有兩組（因為有兩個第二外層），第一組是[1,2],[3,4]，第二組是[11,12],[13,14]，分別對這兩個單位塊做塊與塊之間的運算，第一組結果為[1,2]+[3,4] = [ 4, 6]，第二組結果為[11,12]+[13,14] = [24, 26]
做完加法後本應是[[[ 4, 6]], [[24, 26]]]，但是移除第二外層後，原來的三層變成兩層,所以返回結果為[[ 4, 6], [24, 26]]
axis = 3，4，5也如此分析
看懂了這些說明，相信你對axis已經有了深入的理解，以後再也不用怕高維陣列關於axis的運算了！
python資料分析裡axis 0 1 行列定義
df pd.dataframe 1,1,1,1 2,2,2,2 3,3,3,3 columns col1 col2 col3 col4 df 輸出 col1 col2 col3 col4 0111112 2222 3333 如果我們呼叫df.mean axis 1 我們將得到按行計算的均值 df.m...
Python中axis的意思
對於乙個 5,4,3,2 的陣列data dim 0 5 dim 1 4 dim 2 3 dim 3 2 axis 0,操作時只有第0維的下標變化其他不變，操作結束後變為 4,3,2 axis 1,操作時只有第1維的下標變化其他不變，操作結束後變為 5,3,2 axis 2,操作時只有第2維的下標變...
關於Numpy中的axis問題
由於numpy經常用於處理多維陣列,我們常理解的行和列一般指二維陣列,但對於計算機來說,它只認識下標 一維陣列如a 3 只有乙個下標,axis 0對應陣列的列標,使用axis 1會報錯.對於二維陣列b 2 2 axis 0對應陣列的行標,axis 0對應陣列的行標.對於三維陣列則分別對應頁列行.對應...