如何判断numpy的各种方法中axis应该等于0还是等于1

对于一个numpy的二维矩阵，在对其进行求和numpy.sum()、求范数numpy.linalg.norm()、拼接numpy.concatenate()等操作时，有时需要指定维度，但由于理解上的差异，经常搞混。最近好像发现一种判断方法：对于一种numpy方法，如果希望对numpy矩阵的横向数值（每一行）使用这种方法，axis=1，如果希望对numpy矩阵的纵向数值（每一列）使用这种方法，axis=0。
例子如下所示：

import numpy as np
a=np.array([[1,2,3],
            [4,5,6],
            [7,8,9]])
b=np.array([[1,2,3],
            [4,5,6],
            [7,8,9]])
print(np.sum(a,axis=1))#对矩阵a横向相加
print(np.concatenate((a,b),axis=1))#横向拼接
print(np.linalg.norm(a,axis=0))#纵向求范数

打印结果为：

[ 6 15 24]
[[1 2 3 1 2 3]
 [4 5 6 4 5 6]
 [7 8 9 7 8 9]]
[ 8.1240384   9.64365076 11.22497216]