numpy的axis的理解和检验

原文：https://www.cnblogs.com/ppes/p/9461246.html 

一、官网的定义：

https://docs.scipy.org/doc/numpy/user/quickstart.html

In NumPy dimensions are called axes.

For example, the coordinates of a point in 3D space [1, 2, 1] has one axis. That axis has 3 elements in it, so we say it has a length of 3. In the example pictured below, the array has 2 axes. The first axis has a length of 2, the second axis has a length of 3.

[[ 1., 0., 0.],
 [ 0., 1., 2.]]

其实，可以这么理解。维度（dimension) D和数组A，D[axis]和A[i] 。是不是大概懂了，axis对应第几维度，与数组的下标的作用差不多。但是axis有点区别的。既然axis是下标那么就有范围：

[-维度，维度），如上例子axis的取值范围 [-2,2），记住不包括2。

维度与axis的对应关系：axis是从最外层的 [] 数起来的，如上的例子，axis=0：第二维，axis=1：第一维。

二、验证：

# 产生24个[0,50)的随机整数，维度为3
x = np.random.RandomState(5).randint(50, size=[2, 3, 4])
print(x.ndim, x.shape, x.size)
print("x:\n", x)

选一个能够使用到axis的函数：这里选用numpy.amax()（选出最大的元素）,https://docs.scipy.org/doc/numpy/reference/generated/numpy.amax.html#numpy.amax

为了方便理解，先从最内层开始

print("x[0][0]:\n", x[0][0])
print("axis=2: \n", np.amax(x, 2))

 

print("x[0]:\n", x[0])
print("axis=1: \n", np.amax(x, 1))

 

print("x:\n", x)
print("axis=0: \n", np.amax(x, 0))

很显然，从axis=2，axis=1都挺好理解，但是axis=0就有点困惑了，而且这个仅仅是三维而已，那么四维、五维呢。

但是其实仔细观察axis=2的第一个数字54是怎么来的呢？是从x[0][0][0]—x[0][0][4]比较而得。因此一共有3*4个。

同理axis=1时，比较的就是：x[0][0][0]—x[0][3][0]，共3*5个

同理axis=2时，比较的是：x[0][0][0]—x[2][0][0]，共4*5个

现在，是不是就对不同的axis的输出的形状或者说排列有一定的了解了？而且是不是体会到axis的作用了？我可是烦死那么多方括号了！！

 三、总结

最直观的：函数所选的axis的值，就表明 x[][][] 的第几个方块号，从0开始，代表第一个[ ]，即x[ ] [ ] [ ]

不足或者错误之处，欢迎指正！

import numpy as np

# 产生60个[0,60)的随机整数，维度为3
x = np.random.RandomState(5).randint(60, size=[3, 4, 5])
print(x.ndim, x.shape, x.size)
print("x:\n", x)
print("x[0][0]:\n", x[0][0])
print("axis=2: \n", np.amax(x, 2))

print("x[0]:\n", x[0])
print("axis=1: \n", np.amax(x, 1))

print("x:\n", x)
print("axis=0: \n", np.amax(x, 0))
print("\n", np.amin(x, 0))
for i in range(4):
    print(x[0][i][1])