NumPy 聚合函数中 axis 参数的维度变换详解

NumPy 库中的聚合函数（如 np.sum, np.mean, np.max, np.min 等）在处理多维数组时，axis 参数扮演着至关重要的角色。它决定了聚合操作沿着哪个或哪些维度进行，从而影响计算结果的形状和含义。

理解 axis 的本质

• 维度索引：
  • 在 NumPy 中，多维数组的每个维度都有一个索引，从 0 开始。
  • axis 参数就是用来指定这些维度索引的。
• 操作方向：
  • 指定 axis=n，意味着聚合操作将沿着第 n 个维度进行。
  • 可以理解为“压缩”或“折叠”指定的维度。

axis 与维度变换

为了更好的理解axis对维度变换的影响，可以举例说明：

• 二维数组：
  • 对于二维数组（矩阵），axis=0 表示沿着行的方向进行操作（即对每一列进行聚合），axis=1 表示沿着列的方向进行操作（即对每一行进行聚合）。
  • 举例：
    • 假设有一个形状为 (3, 4) 的二维数组。
    • np.sum(array, axis=0) 的结果形状为 (4,)，即每一列的和。
    • np.sum(array, axis=1) 的结果形状为 (3,)，即每一行的和。
• 三维及更高维数组：
  • 对于更高维的数组，axis 的作用类似，它指定了要进行聚合的维度。
  • 理解方法：
    • axis 的值等于几，就代表沿着第几个维度进行聚合，聚合之后这个维度就会消失。
    • 例如三维数组(2,3,4),axis=0,那么得到(3,4)的数组，axis=1,得到(2,4)的数组，axis=2,得到(2,3)的数组。

总结

• axis 参数决定了聚合操作的方向。
• 指定 axis 后，相应的维度会在计算结果中被“消除”。
• 理解 axis 的关键在于将其与数组的维度索引联系起来。

希望以上解释能够帮助你更好地理解 NumPy 聚合函数中 axis 参数的意义。