我在numpy中理解Axis消除的概念时遇到了麻烦。假设我有以下2D矩阵：
A =
1 2 3
3 4 5
6 7 8
好的我明白sum（A，axis = 0）会将每列相加并给出一个包含3个元素的1D数组。我也明白总和（A，轴= 1）将对每一行求和。
但我的麻烦是当我读到轴= 0时消除了第0轴而轴= 1消除了第1轴。有时人们提到“减少”而不是“消除”。我无法理解这会消除什么。例如，sum（A，axis = 0）将从上到下对每列进行求和，但我在这里看不到消除或减少。重点是什么？对于和（A，轴= 1）也是如此。
如何获得更高的尺寸？
P.S。我总是在矩阵尺寸和数组尺寸之间混淆。我希望编写numpy文档的人能够非常清楚地区分这一点。
答案 0 :(得分：0)
http://docs.scipy.org/doc/numpy/reference/generated/numpy.ufunc.reduce.html
通过沿一个轴应用ufunc，将维度减少一个。
例如，add.reduce（）等同于sum（）。
在numpy中，基类是ndarray - 一个多维数组（可以是0d，1d或更多）
http://docs.scipy.org/doc/numpy/reference/arrays.ndarray.html
Matrix是数组的子类 http://docs.scipy.org/doc/numpy/reference/arrays.classes.html
Matrix对象始终是二维的
numpy Matrix的历史很老，但基本上它的意思是类似于MATLAB矩阵对象。在原始的MATLAB中，几乎所有东西都是矩阵，总是2d。后来他们推广它以允许更多维度。但它的尺寸不能减少。 MATLAB确实有＆＃39;向量＆＃39;，但它们只是一维为1的矩阵（行向量与列向量）。
＆＃39;轴消除＆＃39;在使用numpy时，这不是一个常用术语。可以想象，它可以指减少阵列维数的几种方法中的任何一种。与sum()一样，减少就是一个。索引是另一个：a[:,0,:]。重塑也可以改变维度的数量。 np.squeeze是另一个。