转载：

 1.理解

numpy当中axis的值表示的是这个多维数组维度的下标，比如有一个二维数组a，a的shape是(5,6)，也就是说a有5行6列，axis=0表示的就是[5,6]中的第一维，也就是行，axis=1表示的是[5,6]中的第二个维度，也就是列。

通常numpy里面的一些降维操作(aggregate functions)需要我们指定对应的维度，比如sum函数表示对哪个维度求和，max表示对哪个维度求最大值。通常当我们在这些函数里面指定了axis=n时，那么函数输出的数组当中，原来的第n维就被消除了，比如下面的例子：

//其实不一定是消除，反正就是那个维发生了变化，增加了或者归为1了。

# 创建一个矩阵a，a的维度为2行3列>>> a = np.array([[1,2,3],[4,5,6]])>>> print a[[1 2 3] [4 5 6]]>>> print a.shape(2, 3)# b表示沿着axis=0（行）这条轴取max，得到的结果就是把输入数组的'行'给消除了，2行变1行>>> b = a.max(axis=0)>>> print b[4 5 6]>>> print b.shape(3,)# c表示沿着axis=1（列）这条轴取max，得到的结果就是把输入数组的'列'给消除了，3列变1列>>> c = a.max(axis=1)>>> print c[3 6]>>> print c.shape(2,)

 

2.例子

>>> a = np.array([[1, 1], [2, 2], [3, 3]])>>> aarray([[1, 1],       [2, 2],       [3, 3]])>>> np.insert(a, 1, 5)array([1, 5, 1, 2, 2, 3, 3])>>> np.insert(a, 1, 5, axis=1)array([[1, 5, 1],       [2, 5, 2],       [3, 5, 3]])

 

在上例当中，插入时axis=1，即对列数进行变化，最终列数增加1，由原来的[3,2]变为[3,3] 。

如果axis=0的话，就是对行数进行改变。

>>> a = np.arange(6).reshape(2,3) + 10>>> aarray([[10, 11, 12],       [13, 14, 15]])>>> np.argmax(a)5>>> np.argmax(a, axis=0)array([1, 1, 1])>>> np.argmax(a, axis=1)array([2, 2])

 

找出最值下标。

0行1列：

0：对列操作，结果为行

1：对行操作，结果为列

比如要对5000*10的矩阵求每行的最值下标，（[5000,10]，10变化，即列变化）那么axis=1.