数组的轴

数组的轴是一个很重要的概念，也是numpy数组中最不好理解的一个概念，它经常出现在np.sum(), np.max() 这样关键的聚合函数中。
先看一个例子：

interest_score = np.random.randint(10, size=(4,3))
interest_score
array([[0, 8, 1],[6, 2, 6],[8, 1, 8],[6, 4, 0]])

axis = 0 的维度计算求和

np.sum(interest_score, axis=0)
array([20, 15, 15])

axis = 1 的维度计算求和

np.sum(interest_score, axis=1)
array([ 9, 14, 17, 10])

对于二维的，是比较好理解的。

1 轴可以理解为 一个学生的总分
0 轴可以理解为每一科的总分

高维数组

高维数组的轴的理解就有一点难了。

a = np.arange(18).reshape(3, 2, 3)
a
array([[[ 0,  1,  2],[ 3,  4,  5]],[[ 6,  7,  8],[ 9, 10, 11]],[[12, 13, 14],[15, 16, 17]]])

这个数组，谁是轴0,1，2呢？

np.sum(a)
153

np.sum 是计算所有的元素。
先感性的认识一下这3个轴
aixs = 0

np.sum(a, axis=0)
array([[18, 21, 24],[27, 30, 33]])

aixs = 1

np.sum(a, axis=1)
array([[ 3,  5,  7],[15, 17, 19],[27, 29, 31]])

axis = 2

np.sum(a, axis=2)
array([[ 3, 12],[21, 30],[39, 48]])

答案揭晓：

a.max(axis=0)
array([[12, 13, 14],[15, 16, 17]])

a.max(axis=1)
array([[ 3,  4,  5],[ 9, 10, 11],[15, 16, 17]])

a.max(axis=2)
array([[ 3,  4,  5],[ 9, 10, 11],[15, 16, 17]])

本来以为学清楚了，其实还是挺糊涂的。
这个时候可以通过减少维度的形式来解释

[[0,1,2],[3,4,5]]

axis =0 的最大值是
[3,4,5]
axis = 1 的最大值
[2,5]
这样是不是清楚了。

axis 参数非常常见，不光光出现在刚才介绍的 sum 与 max，还有很多其他的聚合函数也会用到，例如 min、mean、argmin（求最小值下标）、argmax（求最大值下标）等。