吴恩达作业改编
常用函数
np.dot 矩阵乘法
np.multiply 对应位置相乘，可以使用 到广播特性
np.sum()，首先：sum()如果不传参就是对所有元素求和。
>>> import numpy as np >>> a = np.array([[[1,2,3,2],[1,2,3,1],[2,3,4,1]],[[1,0,2,0],[2,1,2,0],[2,1,1,1]]]) >>> a array([[[1, 2, 3, 2], [1, 2, 3, 1], [2, 3, 4, 1]], [[1, 0, 2, 0], [2, 1, 2, 0], [2, 1, 1, 1]]]) >>>这个array 有三个 维度 ，每个维度的长度 分别为 2 ,3,4，所以 axis的取值 可以取 0,1,2三个数 每个数对应一个维度 ，axis=0 表示 把第一个维度拿出来求和 ，得到的维度大小为34，类似的axis=1 表示 把第二个维度拿出来求和 ，得到的维度大小为24，axis=2 表示 把第三个维度拿出来求和 ，得到的维度大小为2*3
np.sum(dZ2,axis=1,keepdims = True)
keepdims 留着有用，维度相乘的时候可能级不会出错了
python中的axis究竟是如何定义的呢？他们究竟代表是DataFrame的行还是列？考虑以下代码：
df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]], columns=[“col1”, “col2”, “col3”, “col4”])
df col1 col2 col3 col4 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3 如果我们调用df.mean(axis=1),我们将得到按行计算的均值
df.mean(axis=1) 0 1 1 2 2 3 然而，如果我们调用 df.drop((name, axis=1),我们实际上删掉了一列，而不是一行：
df.drop(“col4”, axis=1) col1 col2 col3 0 1 1 1 1 2 2 2 2 3 3 3 Can someone help me understand what is meant by an “axis” in pandas/numpy/scipy? 有人能帮我理解一下，在pandas、numpy、scipy三都当中axis参数的真实含义吗？
投票最高的答案揭示了问题的本质：
其实问题理解axis有问题，df.mean其实是在每一行上取所有列的均值，而不是保留每一列的均值。也许简单的来记就是axis=0代表往跨行（down)，而axis=1代表跨列（across)，作为方法动作的副词（译者注）
换句话说:
使用0值表示沿着每一列或行标签\索引值向下执行方法 使用1值表示沿着每一行或者列标签模向执行对应的方法 下图代表在DataFrame当中axis为0和1时分别代表的含义: 所以问题当中第一个列子 df.mean(axis=1)代表沿着列水平方向计算均值，而第二个列子df.drop(name, axis=1) 代表将name对应的列标签（们）沿着水平的方向依次删掉。
