知乎上看到的超好的講解文章，摘錄過來了。原作者是射命丸咲，原文地址是：Python · numpy · axis
摘錄如下（些微做了一丁點刪減）：
要想學習 axis，首先要知道的就是 axis 的計數方式。我們在使用 numpy 的各種函數——比如說 np.sum——的時候，有一個參數就叫做 axis。那麼這個參數的意思是什麼呢？最直白地來說的話，就是“最外面的括號代表着 axis=0，依次往裏的括號對應的 axis 的計數就依次加 1”
舉個例子，現在我們有一個二維矩陣在 numpy 裏面是這樣被表達出來的：x = [ [0, 1], [2, 3] ]，然後 axis 的對應方式就是：
所以相應的運算就是：
對應的代碼實現和運行結果如下：
可以看到，貌似出來的結果比我們推導的結果的括號要少一些。這是因爲諸如 np.sum 這種函數中有一個參數叫 keepdims，它的默認值是 False，此時它會把多餘的括號給刪掉。假如我們把它設爲 True 的話，就可以得到和推導中一致的結果了：
下面來看一個更“高維”一點的例子：
對應的代碼實現和運行結果如下：
以及
可以看到結果和我們推導的確實一樣
現在我們知道哪個 axis 對應於數組中的哪些元素了，接下來還需要知道的就是 transpose 這個函數到底在背後幹了什麼。從紙面上來看，如果一個高維數組 x 的 shape 是 (2, 3, 4)，那麼 transpose 的作用就是把這個 shape 中各個數的順序改一改。比如說：
但是 transpose 返回的結果究竟是如何得到的？
首先是對這個 shape 的理解。直觀地說，shape 中的各個數就是對應 axis 的元素個數。比如說上圖中的 x，它畫出來會是這個樣子的：
如果我們換一種思路的話，以 axis=0 爲例，由於我們現在整個數組裏面一共有 24 個數，而 axis=0 只有兩個元素，所以可以理解爲在 axis=0 這個 axis 上，每隔 24 / 2 = 12 個數就跳一下。比如說上面這個圖中就可以看出，兩個橙色矩陣對應的數之間差的都是 12。
類似的，由於一個橙色矩陣中只有 24 / 2 = 12 個數，所以我們可以理解爲在 axis=1 這個 axis 上，每隔 12 / 3 = 4 個數就跳一下。表現在圖中，就是同一個橙色矩陣的兩個相鄰的藍色向量對應的數之間差的都是 4。
再次類似的，由於一個藍色向量中只有 12 / 3 = 4 個數，我們可以理解爲在 axis=2 這個 axis 上，每隔 4 / 4 = 1 個數就跳一下。表現在圖中……想必也知道是怎樣的了......
所以我們現在可以定義一個新的東西，比如說叫做 strides 吧，它記錄着每個 axis 上跳過的數。比如說上圖對應的三維數組，它的 strides 就是 (12, 4, 1)
那麼接下來激動人心的時刻到了：transpose 的本質，其實就是對 strides 中各個數的順序進行調換。舉個例子：
在 transpose(1, 0, 2) 後，相應的 strides 會變成 (4, 12, 1)。而從上圖可以看出，transpose 的結果確實滿足：
- axis=0 的 axis 上，每隔 4 個數跳一下（對應的數字都差4，例如x[0,0,0]和x[1,0,0]差了4）
- axis=1 的 axis 上，每隔 12 個數跳一下（對應的數字都差12，例如x[0,0,0]和x[0,1,0]差了12）
- axis=2 的 axis 上，每隔 1 個數跳一下（對應的數字都差12，例如x[0,0,0]和x[0,0,1]差了1）
至此，transpose 背後的邏輯就理順啦！撒花！*★,°*:.☆\(￣▽￣)/$:*.°★* 。