Numpy是Python中科学计算的基础包，而其核心对象就是ndarray（n维数组）。关于如何创建n维度数组可以参考下面的文章：
Python NumPy数组的创建方法

为了对ndarray进行数学处理，很多函数中都要指定一个叫做坐标轴的参数(axis)，本文主要解释关于ndarray的维度和坐标轴的概念。

一、ndarray的维度

ndarray的名称是n维数组（N-Dimensional Array的缩写），数组的维度可以通过shape属性来查看，返回元组中的数字个数就是数组的维度。

1.1 一维数组

首次使用numpy模块时需要导入：

import numpy as np
a1 = np.arange(1,10)
a1
a1.shape

a1.shape返回的是(9,)，这个元组中只有1个数字9，代表其是一维数组，共9个元素。

一维数组可以理解为一条射线：

从一维数组中获取元素只需要1个坐标，例如获取3（元素编号从0开始）：

a1[2]

1.2 二维数组

通过reshape函数可以改变数组的维度（形状），这里通过np.arange函数生成一维数组后再改变其形状（维度）：

a2 = np.arange(1,7).reshape(2,3)
a2
a2.shape

a2.shape返回的是(2,3)，这个元组中有2个数字，代表其是二维数组，每个维度上的元素个数分别是2和3，即2行3列。

二维数组可以理解为一个平面：

从二维数组中获取元素只需要2个坐标，例如获取5（每个维度元素编号从0开始）：

a2[1,1]

1.3 三维数组

先创建一个一维数组，然后通过reshape函数改为3维：

a3 = np.arange(1,25).reshape(2,3,4)
a3
a3.shape

三维数组可以理解为空间，它就像二维数组堆叠起来，这个(2,3,4)可以理解为2个3x4的二维数组（平面）前后堆叠起来：

从三维数组中获取元素需要3个坐标，例如获取7（每个维度元素编号从0开始）：

a3[0,1,2]

1.4 n维度数组

同理，四维数组可以将三维数组视为一个空间，然后将空间堆叠起来，就像二维数组（平面）堆叠得到三维数组（空间）一样。依次类推，一直得到n维数组。

二、ndarray的坐标轴

理解了维度的概念后，每个维度对应的顺序就是坐标轴axis，其编号同样从0开始（就是上面一节示例图中的axis=0和axis=1等）。

这个参数的主要作用就是在进行数学运算时指定计算的方向，例如在二维数组上运行求和函数sum():

分别指定axis=0和axis=1进行计算，观察结果：

a2.sum(axis=0)
a2.sum(axis=1)

• axis=0就是指代沿列的方向进行计算，结果就是[(1+4), (2+5), (3+6)]，即[5,7,9]
• axis=1就是指代沿行的方向进行计算，结果就是[(1+2+3), (4+5+6)]，即[6,15]

对于三维数组，sum(axis=0)就相当于前后2个二维数组的对应元素相加：

a3.sum(axis=0)

其他的函数例如max, min, average, amax等，在计算时都需要指定axis参数，理解n维数组及axis含义有助于正确使用这些函数。