numpy库axis

### NumPy 中 `axis` 参数的作用 #### 1. 基本定义 在 NumPy 数组中，`axis` 参数用于指定操作的方向或维度。具体来说，`axis=i` 表示沿着数组的第 i 个下标变化方向进行操作[^1]。 #### 2. 维度与轴的关系 NumPy 的数组可以是一维、二维或多维结构。对于不同维度的数组，`axis` 参数的意义如下： - **一维数组**: 对于形状为 `(n,)` 的一维数组，只有单个轴（`axis=0`），表示沿整个数组长度方向的操作。 ```python import numpy as np one_dim = np.array([1, 2, 3]) sum_one_dim = np.sum(one_dim, axis=0) # 结果为 6 ``` - **二维数组**: 形状为 `(m, n)` 的二维数组有两个轴： - `axis=0`: 沿着列方向操作，即对每一列应用函数。 - `axis=1`: 沿着行方向操作，即对每一行应用函数。 ```python two_dim = np.array([[1, 2], [3, 4]]) col_sum = np.sum(two_dim, axis=0) # 结果为 array([4, 6]) row_sum = np.sum(two_dim, axis=1) # 结果为 array([3, 7]) ``` - **多维数组**: 高维数组有多个轴，例如三维数组 `(a, b, c)` 可以通过设置不同的 `axis` 来控制操作的具体方向。 ```python three_dim = np.random.rand(2, 3, 4) dim_0_sum = np.sum(three_dim, axis=0).shape # (3, 4)，按第一个维度求和 dim_1_sum = np.sum(three_dim, axis=1).shape # (2, 4)，按第二个维度求和 dim_2_sum = np.sum(three_dim, axis=2).shape # (2, 3)，按第三个维度求和 ``` #### 3. 函数行为差异 某些 NumPy 函数在使用 `axis` 参数时表现出特定的行为模式。例如，在统计类函数（如 `np.min`, `np.max`, `np.median` 等）中，`axis` 定义了数据缩减的方向；而在增删改查类函数（如 `np.append`）中，则可能扩展或修改该方向上的数据[^3]。 #### 4. 实际案例解析 考虑以下例子来进一步理解 `axis` 参数的实际作用： ```python import numpy as np arr = np.arange(8).reshape((2, 2, 2)) print("原始数组:") print(arr) # 按照 axis=0 进行求和 sum_axis_0 = np.sum(arr, axis=0) print("\n按照 axis=0 求和后的结果:") print(sum_axis_0) # 按照 axis=1 进行求和 sum_axis_1 = np.sum(arr, axis=1) print("\n按照 axis=1 求和后的结果:") print(sum_axis_1) # 按照 axis=2 进行求和 sum_axis_2 = np.sum(arr, axis=2) print("\n按照 axis=2 求和后的结果:") print(sum_axis_2) ``` 上述代码展示了如何针对不同轴执行累加运算，并观察其返回的结果形状变化。 --- ####