原文
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+1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)
>>
>
6
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])
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]])
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 bounds
a= np.array([[
1,2]
,[3,
4]])
a.sum
(axis =1)
array([3
,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 =1)
>>
> array([[
4,6]
,[24,
26]])
axis = 3，4，5也如此分析
懂？祝好
理解numpy中的axis
對於m個元素一維陣列a，因為只有乙個軸，所以axis只能為0，和預設值效果相同，觀察的是0軸上0,1,i,m點對應的元素。產生的新集合就乙個元素。舉例 對於mxn的二維陣列 a,axis可以取值0或1。axis 0 相當於平面座標的y軸，變化的是 行 即觀察每一列不同行的元素。產生的新集合，其元素的...
numpy中axis的通俗理解
numpy中的axis與shape有關，shape為乙個tuple，這個tuple的index即為所在的axis。例如乙個ndarray形狀為 4,3,2 則4對應的axis為0，3對應的axis為1，2對應的axis為2。import numpy as np x np.arange 24 resh...
Numpy中axis我的理解
以前我理解axis 0代表行，axis 1代表列 但是這種含義在函式size 和max 中恰恰相反 其實不是這樣的，我們回到單詞axis本身，它的意思是 軸 沒錯軸就是代表乙個方向，像x軸，y軸，如圖所示 axis 0代表的就是x軸方向 axis 1代表的就是y軸方向 這樣函式size 和max 就...