numpy中的axis的設定引數與陣列的shape有關

例如一個shape（3，2，4）的陣列，代表一個三維陣列，要注意的是這裡的維度與物理學的維度的理解是不太一樣的

axis = 0時，就相當於所求的陣列的結果變成shape（2，4）

axis = 1時，陣列的結果shape（3，4）

axis = 2時，陣列的結果shape（3，2）

這裡應該看出來了，當axis=n的時候shape中相應的索引就會被去除，陣列發生了降維，那麼是如何降維的呢

首先要清楚shape裡的數字都代表什麼意義

3代表這個numpy數組裡巢狀著3個數組（有三層），  2代表其中每個陣列的行數，3代表其中每個陣列的列數

理解這個就很簡單了.

假設有個陣列arr1.shape（3，2，4）

arr1.sum（axis=0）那麼首先得出來的結果肯定是個2行4列的陣列，如何計算的呢？

asix=0就是去掉了shape（3，2，4）中的3，相當於不用去考慮陣列的層級關係，直接看成一個整體

把每行和每列對應的元素相加即可，相當於其中一個數組的結果

arr1.sum（axis=1）得出的結果是個shape（3，4）

axis=1就相當於不用考慮每一行的，只考慮每一層和層中的每一列，一共有三層，每一層中的每一列相加即可

arr1.sum（axis=2），得出的結果是三層兩列，不考慮列，只把每一層的每一行相加即可

二維陣列就更簡單了shape（3，4）這是一個三行四列的陣列

sum（axis=0），不考慮行數，把列對應的數相加

最後總結下，axis=n ，就相當於不用考慮n所對應的意義，這個是針對於sum求和，如果是cumsum是不一樣的，那個是累加shape保持不變