對numpy axis（軸）的理解

之前對numpy函式中axis引數所指向的資料一直無法完全理解，但是接觸過跨度的概念之後，對axis引數所指向的資料才有所理解。

以numpy.sum函式為例，初始化乙個維度為2*3*4維的全一矩陣，**如下：

arr = np.ones((2, 3, 4))

結果如下：

array([[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])

所謂沿著某個軸計算就是將這個軸上的所有元素進行相應計算，以numpy sum函式為例，對於axis=0的情況，就是將0軸上的元素依次相加，其他軸的元素維度保持不變，在上例中0軸上共有兩個元素，分別為arr[0], arr[1]，資料如下：

array([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])

對這兩個元素相加，結果如下：

>>> arr[0] + arr[1]
array([[2., 2., 2., 2.],
[2., 2., 2., 2.],
[2., 2., 2., 2.]])

接下來用sum函式對結果進行驗證。

>>> np.sum(arr, axis=0)
array([[2., 2., 2., 2.],
[2., 2., 2., 2.],
[2., 2., 2., 2.]])

結果完全相同。

利用同樣的方法對axis=1進行驗證，沿著1軸進行計算，實際進行的是0軸保持維度不變，1軸的對應元素進行計算。以上例就是arr[0][0] + arr[0][1] + arr[0][2]， arr[1][0] + arr[1][1] + arr[1][2]兩個結果。

還是先用具體元素進行驗證：

>>> arr[0][0] + arr[0][1] + arr[0][2]
array([3., 3., 3., 3.])
>>> arr[1][0] + arr[1][1] + arr[1][2]
array([3., 3., 3., 3.])

再用sum進行驗證

>>> np.sum(arr, axis=1)
array([[3., 3., 3., 3.],
[3., 3., 3., 3.]])

結果還是完全相同，對於axis=2一樣可以得到相同的結果。

總結：numpy函式的axis不能簡單的理解為軸0是行，軸1是列。而應該理解為沿著某個軸，就是對對應維度的元素進行計算，其他維度的元素保持不變。