为何在3D NumPy数组中计算各矩阵对应像素中位数时需指定axis=2？

你的核心困惑来自于对np.dstack生成的3D数组维度结构的误解，我们一步步拆解：

1. np.dstack的堆叠逻辑 #

假设每个FITS图像是形状为(height, width)的2D数组（比如100x100的像素矩阵），当你用np.dstack(FITS_list)把N个这样的2D数组堆叠时，得到的3D数组形状是(height, width, N)。也就是说：

• 第0轴（axis=0）对应图像的行方向（height）
• 第1轴（axis=1）对应图像的列方向（width）
• 第2轴（axis=2）对应不同FITS文件的同一像素位置（N个文件的同位置像素值集合）

2. np.median的axis参数作用 #

np.median(arr, axis=k)表示沿着第k轴的方向计算中位数，计算完成后该轴会被压缩：

• 如果用axis=0：会沿着行方向（height）取中位数，相当于把每一列的不同行像素值求中位数，完全不是你要的“同一像素跨文件取中位数”。
• 如果用axis=2：会沿着第3个维度（跨文件的同位置像素集合）取中位数，正好对应每个(y,x)位置，计算所有N个文件在该位置的数值中位数，完全符合需求。

举个直观小例子 #

# 两个2x2的模拟图像
arr1 = np.array([[1,2],[3,4]])
arr2 = np.array([[5,6],[7,8]])
# 用dstack堆叠
stacked = np.dstack([arr1, arr2])
# stacked形状为(2,2,2)，内容：
# [[[1,5], [2,6]],
#  [[3,7], [4,8]]]

# 用axis=2计算中位数
np.median(stacked, axis=2)
# 输出：[[3,4], [5,6]] → 每个位置两个数的中位数，符合预期

# 用axis=0计算中位数
np.median(stacked, axis=0)
# 输出：[[2,4], [5,7]] → 沿行方向取中位数，完全不符合需求

内容的提问来源于stack exchange，提问作者wannabe-engineer