NumPy库—Axis理解

很多人认为axis=0代表的是行，axis=1代表的是列。但其实不是这么理解的。
简单来说，最外层的括号代表着axis=0，依次往里的括号对应的axis的计数就依次加1。
例如：

[[0,1],[2,3]]

其中，最外层括号代表的就是axis=0，下一层的括号代表的就是axis=1。
操作方式：如果指定轴进行相关的操作，那么它会使用轴下的每个直接子元素的第0个，第1个，第2个…分别进行相关操作。
比如现在有一个二维数组：

x = np.array([[0,1],[2,3]])

1. 求x数组在axis=0和axis=1两种情况下的和：

x.sum(axis=0)

# result:
array([2,4])

按照axis=0的方式进行相加，那么就会把最外面轴下的所有直接子元素中的第0个位置进行相加，第1个位置进行相加…依此类推，得到的就是0+2以及2+3，然后进行相加，得到的结果就是[2,4]。

x.sum(axis=1)

# result:
array([1, 5])

按照axis=1的方式进行相加，那么就会把轴为1里面的元素拿出来进行求和，得到的就是0,1，进行相加为1，以及2,3进行相加为5，所以最终结果就是[1,5]了。
2. 用np.max求axis=0和axis=1两种情况下的最大值：

np.random.seed(100)
x = np.random.randint(0,10,size=(3,5))
x

# result:
array([[8, 8, 3, 7, 7],
       [0, 4, 2, 5, 2],
       [2, 2, 1, 0, 8]])

对每列求最大值：

x.max(axis=0)

# result:
array([8, 8, 3, 7, 8])

按照axis=0进行求最大值，那么就是在最外面轴里面找直接子元素，然后将每个子元素的第0个值放在一起求最大值，将第1个值放在一起求最大值，以此类推。而如果axis=1，那么就是拿到每个直接子元素，然后求每个子元素中的最大值：

x.max(axis=1)

# result:
array([8,5,8])

3. 用np.delete求axis=0和axis=1两种情况下的删除操作：

np.random.seed(100)
x = np.random.randint(0,10,size=(3,5))

# axis=0:
np.delete(x,0,axis=0) # 按照直接子元素的顺序标号，并删除第0号直接子元素

# result:
array([[0, 4, 2, 5, 2],
       [2, 2, 1, 0, 8]])

np.delete是个例外，按照axis=0的方式进行删除，那么它会首先找到最外面的括号下的直接子元素中的第0个，然后删掉。

np.delete(x,0,axis=1) # 把内层括号中的直接子元素按顺序标号，取0号元素出来并一并删除

# result:
array([[8, 3, 7, 7],
       [4, 2, 5, 2],
       [2, 1, 0, 8]])

同理，如果我们按照axis=1进行删除，那么会把第一列的数据删掉。
4. 三维数组的相关操作：

y = np.arange(24).reshape(2,2,6)
y

# result:
array([[[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]],

       [[12, 13, 14, 15, 16, 17],
        [18, 19, 20, 21, 22, 23]]])

相关操作：

y.sum(axis=0)

# result:
array([[12, 14, 16, 18, 20, 22],
       [24, 26, 28, 30, 32, 34]])