你说的没错，“取最后两个维度平均”在 NumPy 中通常会用 axis=(-2, -1)，而你代码中写的是 axis=(1, 2)，这其实是因为数据已经经过了切片 data[:, :, i, :, :][0]，所以维度发生了变化。

👇我们一步步来还原维度变化：

原始变量：

python
CopyEdit
data.shape == (1, T, C, H, W)   # 例如： (1, 13, 8, 31, 31)

你这一句：

python
CopyEdit
data[:, :, i, :, :][0]

先来看 data[:, :, i, :, :]：

• 选中了所有批次（维度 0），所有时间点（维度 1），第 i 个通道（维度 2），所有高度和宽度（维度 3 和 4）
• 所以这个切片后形状变成：(1, T, H, W)

然后 [0] 表示选出第一个样本 → 剩下：

python
CopyEdit
data[:, :, i, :, :][0].shape == (T, H, W)

✅ 所以在 (T, H, W) 这个 3D 张量上：

你要对每个时间点的二维平面 (H, W) 取平均，保留时间维度（T），那就是：

python
CopyEdit
axis=(1, 2)  # 即对 H 和 W 求平均

🔁 如果你想用更稳健的方式（不管前面怎么切片），你也可以写成：

python
CopyEdit
np.mean(..., axis=(-2, -1))

这会始终取最后两个维度平均，无论维度长度如何变动，效果一样，但更鲁棒。