https://blog.csdn.net/sky_kkk/article/details/79725646
numpy中axis取值的說明
首先對numpy中axis取值進行說明：一維數組時axis=0，二維數組時axis=0，1，維數越高，則axis可取的值越大，數組n維時，axis=0，1，…，n。為了方便下面的理解，我們這樣看待：在numpy中數組都有着[]標記，則axis=0對應着最外層的[]，axis=1對應第二外層的[]，以此類推，axis=n對應第n外層的[]。
下面開始從axis=0，axis=1這兩個例子開始，深入透徹的理解numpy中axis的用法。
axis = 0表示對最外層[]里的最大單位塊做塊與塊之間的運算,同時移除最外層[]：
a= np.array([1,2,3])
a.sum(axis = 0)
>>>6
123
因為只有一層[]，所以直接對這一層里的最大單位快1，2，3做運算；
做完加法后本應是[6]，但是移除最外層[]后，[]不存在了，所以返回的是6。
a= np.array([[1,2],[3,4]])
a.sum(axis = 0)
>>>array([4, 6])
123
有兩層[]，最外層[]里的最大單位塊分別為[1,2]，[3,4]，對這兩個單位塊做塊與塊之間的運算，[1,2]+[3,4] = [4, 6]；
做完加法后本應是[[4, 6]]，但是移除最外層[]后，原來的兩層[]變成一層[],所以返回結果為 [4, 6]。
np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
a.sum(axis = 0)
>>>array([[12, 14], [16, 18]])
123
有三層[]，最外層[]里的最大單位塊分別為[[1,2],[3,4]]，[[11,12],[13,14]]，對這兩個單位塊做塊與塊之間的運算，[[1,2],[3,4]] + [[11,12],[13,14]] = [[12, 14], [16, 18]]；
做完加法后本應是[[[12, 14], [16, 18]]]，但是移除最外層[]后，原來的三層[]變成兩層[],所以返回結果為[[12, 14], [16, 18]]；
axis= 1表示對第二外層[]里的最大單位塊做塊與塊之間的運算,同時移除第二外層[]：
a= np.array([1,2,3])
a.sum(axis = 1)
>>>ValueError: 'axis' entry is out of bounds
123
因為只有一層[]，axis取值只有一個，為0.
a= np.array([[1,2],[3,4]])
a.sum(axis = 1)
>>>array([3, 7])
123
有兩層[]，第二外層[]里的最大單位塊有兩組（因為有兩個第二外層[]），第一組是1，2，第二組是3，4，分別對這兩個單位塊做塊與塊之間的運算，第一組結果為1+2=3，第二組結果為3+4=7；
做完加法后本應是[[3],[7]]，但是**移除第二外層[]**后，原來的兩層[]變成一層[],所以返回結果為[3, 7]。
np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
a.sum(axis = 1)
>>>array([[ 4, 6], [24, 26]])
123
有三層[]，第二外層[]里的最大單位塊有兩組（因為有兩個第二外層[]），第一組是[1,2],[3,4]，第二組是[11,12],[13,14]，分別對這兩個單位塊做塊與塊之間的運算，第一組結果為[1,2]+[3,4] = [ 4, 6]，第二組結果為[11,12]+[13,14] = [24, 26]
做完加法后本應是[[[ 4, 6]], [[24, 26]]]，但是**移除第二外層[]**后，原來的三層[]變成兩層[],所以返回結果為[[ 4, 6], [24, 26]]
axis = 3，4，5也如此分析
看懂了這些說明，相信你對axis已經有了深入的理解，以后再也不用怕高維數組關於axis的運算了！