python中numpy.mean()函数，深度理解axis的含义

numpy.mean()传送门
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
a：为array形的数据
axis：
科普下，axis=0表示纵轴的方向，axis=1表示横轴的方向
1）axis为二维array时：axis可为0,1两个方向轴
不填时默认为a全部元素的平均值
axis=0 表示纵轴平均，输出的是格式（1，x）的格式
axis=1表示横轴的平均，输出的是(x,1)的格式
2）axis为三维array时
axis可以为0,1,2表示三个方向轴，用tuple来表示取哪两个维度的数值作为平均，即对一个平面进行取平均
3）axis为n维array时
如果这是一个整数元组，则在多个轴上执行平均值，而不是像以前那样在单个轴或所有轴上执行。
可取n-1个轴

举例：
设a为(m,n)的array，则axis中0,1分别代表纵轴和横轴

>>> a = np.arange(15)
>>> a = a.reshape(3,5)
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
#取全部的平均值
>>> np.mean(a)
7.0

#取纵轴上的平均值
>>> np.mean(a,axis=0)
array([5., 6., 7., 8., 9.])

#取横轴上的平均值
>>> np.mean(a,axis=1)
array([ 2.,  7., 12.])

设a为(m,n,k)的array，则axis中的0,1,2分别代表三个轴
若axis为(0,1),则相当于把m,n这两条轴压平（m,n轴上的m*n个数值求平均），输出格式为(1,k)的数值

#设a为(2,3,4)的array
>>> a = np.arange(24)
>>> a = a.reshape(2,3,4)
>>> a
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]]])

#对第二轴上的数字取平均，压缩成(2,4)输出了
>>> np.mean(a,axis=1)
array([[ 4.,  5.,  6.,  7.],
       [16., 17., 18., 19.]])
       
#将0,1轴方向的2*3个数值取平均
>>> np.mean(a,axis=(0,1)) 
array([10., 11., 12., 13.])

#将0,2轴方向的2*4个数值取平均
>>> np.mean(a,axis=(0,2))
array([ 7.5, 11.5, 15.5])

以上情况可以类比到n维，不再举例