1. 本文介绍
前面黄同学为大家总结了Numpy函数。
今天我就为大家介绍另外一个重要的内容：如何区分axis=0还是axis=1，这个知识点在后面的Pandas中还会用到。
2. 关于axis轴的说明
在numpy高维数组(包括二维)中，在pandas的DataFrame中，我们经常会针对某一个方向上的数据，做一些函数运算。
由于二维数组，DataFrame数据框才是我们最常用，并且经常使用的数据结构，因此我们就利用这种具有行、列的二维结构，来讲述axis=0和axis=1的区别。
比如说，求某一行数据的总和；比如说，求某一列的最大值；
这个时候你就需要知道，axis等于多少是按行求和，axis等于多少是按列求最大值？
因此，千万不要死记硬背，说啥axis=0代表按照列求函数运算，axis=1代表按照行求函数运算，学会原理，不管是任何高维数组，你都有解题思路。
思考： 给你一个三维数组，你知道如何设置axis轴的值吗？这个案例将会在文章最后进行讲解。
3. 什么是维度？
"用一个比喻进行说明："
1、一条线：一维，一维就是由很多个点组成。
2、一个平面：二维，由很多很多根线组成。
3、一个立体空间，三维，由很多个平面组成。
"在任何的维度空间中，要确定一个点，必须要指定对应维度的坐标信息："
1、一条线：只需要一个数字x，就可以确定该点的位置。
2、一个面：需要两个数字(x,y)，才可以确定该点的位置。
3、一个立体空间：需要三个数字(x,y,z)，才可以确定该点的位置。
举例说明：
4. 什么是高维，什么是低维？
这里我们仍然使用上面的"图一"来给大家讲解这个知识点。
上图我们创建了不同维度的三个数组：a、b、c，主要关注下面In[28]那里的取数。
对于一维数组a，数组a中每一个元素，肯定都是单个元素，因此这只有一个维度。
对于二维数组b，数组b中每一个元素相当于是一个一维数组，每个一维数组中才是单个元素，因而b[0]取到的是里面的一维数组，因此这个离着b最近的[0]就算是"高维"，b[0][0]取到的是最内层一维数组中的每一个元素，因此，第二个[0]就是我们所说的"低维"。
5. 二维结构数据的坐标展示
6. axis=0 与 axis=1的含义
axis指的就是"轴"，轴的取值一般是0，1，2...其中0表示最高维，1表示次高维，依次推算下去。
我们仍然利用上面的二维结构的数据为基准，来进行说明。在二维结构中axis要么为0，要么为1。
当axis=0的时候，由于0代表最高维度，因此数据中高维发生变化，而低维没有变化(但是低维相同)的数据，会自动成为一组，即a[0][0]，a[1][0]，a[2][0]当然a[0][1]，a[1][1]，a[2][1]也自然是一组。因此，你可以看出了，当指定了axis=0的时候，就是相当于沿着列的方向，进行函数运算。
当axis=1的是时候，由于1代表次高维，因此数据中低维发生变化，而高维没有变化(但是高维相同)的数据，会自动成为一组，即a[0][0]、a[0][1]、a[0][2]、a[0][3]，当然a[1][0]、a[1][1]、a[1][2]、a[1][3]也自然是一组。因此，你可以看出，当指定了axis=1的时候，就是相当于沿着行的方向，进行函数运算。
7. 关于三维数组axis设置
x = np.arange(8).reshape(2, 2, 2)
print(x)
print(x.sum(axis=0))
print(x.sum(axis=1))
print(x.sum(axis=2))
结果如下：
数组x的坐标展示：
通过前面的叙述，我们已经知道axis=0表示最高维，axis=1表示次高维，依次下去。因此，对于三维数组来说，axis=0指的就是三维，axis=1指的就是二维，那么axis=2指的就是一维。
-
当axis=0的时候，指的就是，最高维三维变化，其他维度不变化的数据会成为一组，因此x[0][0][0]、x[1][0][0];x[0][1][0]、x[1][1][0];x[0][0][1]、x[1][0][1];x[0][1][1]、x[1][1][1]各自成为一组，你把这组内对应元素相加就是x.sum(axis=0)的答案了。 -
当axis=1的时候，就是次高维二维变化，其他维度不变化，因此x[0][0][0]、x[0][1][0];x[0][0]1]、x[0][1][1];x[1][0][0]、x[1][1][0];x[1][0][1]、x[1][1][1];各自成为一组，你把这组内对应元素相加就是x.sum(axis=1)的答案了。 -
当axis=3的时候，最低维一维变化，其他维度不变化，因次x[0][0][0]、x[0][0][1];x[0][1][0]、x[0][1][1];x[1][0][0]、x[1][0][1];x[1][1][0]、x[1][1][1];各自成为一组，你把这组内对应元素相加就是x.sum(axis=2)的答案了。
