在numpy中用于计算的ndarray类是专门用于处理多维数组和矩阵的数据结构。其内部实现机制是针对不同类型的数据，使用存储在连续的内存中的一维数组进行处理。因此一维数组是基础处理单元。 一维数组的不同层叠方式和层叠过程形成多维数组，axis就是表达数组层叠的层级数的概念。 我们可以这样理解，三维数组的构成过程是一维数组构成的线，二维数组由一维数组在行上堆叠成面，三维数组是二维数组的面一层层堆叠成体。axis从0到2，表达的是堆叠层数，0表示最后一次的堆叠层数，即从二维数组堆叠成三维数组的堆叠层数，2表示三维数组的组成基本单位——一维数组元素在列方向上的堆叠数。 具体理解过程:
一、一维数组 #
一维数组只有一行，N列的数据集合，因此它的维度坐标轴axis只有列方向的元素堆叠，即axis0。我们把它当成一条线。
二、二维数组 #
二维数组是以一维数组作为基本单位，在行上的层级堆叠。相当于一维数组形成的线在行方向上堆叠成面，我们把它当做一个面。因此，二维数组的axis0表达的是一维数组在行方向上的堆叠层级数，axis1即一维数组本身axis。如下图这个二维数组是三个一维数组的堆叠，其中axis0是三个一维数组的堆叠，一维数组本身是两个元素的列方向上的堆叠，因此这个二维数组的shape是(3,2)。
三、三维数组 #
三维数组的构成过程是以一维数组形成的线，在行上层级堆叠形成面，也就是二维数组，最后把面堆叠起来形成体，即三维数组。因此，三维数组的axis0表达的是二维数组的在堆叠层级数，axis1表达的是构成二维数组的一维数组在行方向上的堆叠数，最后axis2表达的是最基本的构成单位——一维数组的列方向上元素的堆叠。
如下图这个三维数组，最后堆叠操作是将二维数组的堆叠成三维数组，因此axis0堆叠了两层，axis1表示的是将一维数组堆叠成二维数组，是由三个一维数组堆叠而成，而一维数组本身是由两个元素的列向堆叠，因此这个三维数组的shape是(2,3,2).
四、指定坐标轴axis的计算 #
指定维度坐标的计算，表示沿着指定坐标进行压缩，把指定坐标轴压缩成一维。 以上图的三维数组为例，比如指定axis=0求和:b.sum(axis=0)，表示把三维数组体压缩成二维面，在axis=0方向上的对应位置的元素用求和合并计算，求和结果是把axis=0方向上的层数从2压缩到1。
import numpy as np
b=np.array([[[0,1],
[2,3],
[4,5]],
[[0,1],
[2,3],
[4,5]]])
b.sum(axis=0)
#输出结果：
array([[0,2],
[4,6],
[8,10]])
b.sum(axis=0).shape
#输出结果：
(3,2)