axis的简单理解方式

axis=0，沿着第一维处理，其他维度信息保持不变
axis=1，沿着第二维处理，其他维度信息保持不变
…
同理，axis=n，沿着第n维处理，其他维度信息保持不变。

案例：

import numpy as np

example = [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]
example = np.array(example)
print(example)
'''
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
'''

那么简单的求一下每一列的最大值吧。

# np.max()
result = example.max(axis=0)
print(result)
'''
[ 8  9 10 11]
'''

q:求列最大值不应该让axis=1，对列进行操作吗？
a:啊，对，也不对。求列最大值，是不是要沿着 行 从头往下处理。
a:回到标题开头，沿着行，不就是沿着第一维进行处理，即axis=0。

okk，那再求个行最小值。

# np.min()
result = example.min(axis=1)
print(result)
'''
[0 4 8]
'''

a:这不用多说了吧，求行最小值，沿着 列 处理，axis=1！
那总结一下，根据操作需求，选择axis沿着那个维度处理，
再比如np.concatenate()函数的拼接操作，A为一个shape（3，4）的数据，B为一个shape（5，4）的数据
我们想把他们合并shape为（8，4）的数据
那么np.concatenate((A,B),axis=0)，沿着 行 拼接就完事了。
其他的情况，也就是上述同理了,那么“码完收工”！