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,)
>>> a = np.array([[1, 1], [2, 2], [3, 3]]) >>> a array([[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 >>> a array([[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.
原文：https://www.cnblogs.com/BlueBlueSea/p/10408443.html