資訊專欄INFORMATION COLUMN
摘要：是程序員的好去處，本公眾號將以為主題，開始一個系列，爭取做到每周一篇，翻譯并幫助學(xué)習(xí)者一起理解一些有代表性的案例。所以問題當(dāng)中第一個列子代表沿著列水平方向計算均值，而第二個列子代表將對應(yīng)的列標(biāo)簽們沿著水平的方向依次刪掉。
Stackoverflow.com是程序員的好去處，本公眾號將以pandas為主題，開始一個系列，爭取做到每周一篇，翻譯并幫助pandas學(xué)習(xí)者一起理解一些有代表性的案例。今天的主題就是Pandas與Numpy中一個非常重要的參數(shù)：axis.(軸）
Stackoverflow問題如下：
python中的axis究竟是如何定義的呢？他們究竟代表是DataFrame的行還是列？考慮以下代碼：
>>>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
如果我們調(diào)用df.mean(axis=1),我們將得到按行計算的均值
>>> df.mean(axis=1) 0 1 1 2 2 3
然而，如果我們調(diào)用 df.drop((name, axis=1),我們實際上刪掉了一列，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?
有人能幫我理解一下，在pandas、numpy、scipy三都當(dāng)中axis參數(shù)的真實含義嗎？
投票最高的答案揭示了問題的本質(zhì)：
其實問題理解axis有問題，df.mean其實是在每一行上取所有列的均值，而不是保留每一列的均值。也許簡單的來記就是axis=0代表往跨行（down)，而axis=1代表跨列（across)，作為方法動作的副詞（譯者注）
換句話說:
使用0值表示沿著每一列或行標(biāo)簽索引值向下執(zhí)行方法
使用1值表示沿著每一行或者列標(biāo)簽?zāi)Ｏ驁?zhí)行對應(yīng)的方法
下圖代表在DataFrame當(dāng)中axis為0和1時分別代表的含義:
另外，記住，Pandas保持了Numpy對關(guān)鍵字axis的用法，用法在Numpy庫的詞匯表當(dāng)中有過解釋：
軸用來為超過一維的數(shù)組定義的屬性，二維數(shù)據(jù)擁有兩個軸：第0軸沿著行的垂直往下，第1軸沿著列的方向水平延伸。
所以問題當(dāng)中第一個列子 df.mean(axis=1)代表沿著列水平方向計算均值，而第二個列子df.drop(name, axis=1) 代表將name對應(yīng)的列標(biāo)簽（們）沿著水平的方向依次刪掉。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://specialneedsforspecialkids.com/yun/41430.html
目錄Numpy簡介Numpy操作集合1、不同維度數(shù)據(jù)的表示1.1 一維數(shù)據(jù)的表示1.2 二維數(shù)據(jù)的表示1.3 三維數(shù)據(jù)的表示2、 為什么要使用Numpy2.1、Numpy的ndarray具有廣播功能2.2 Numpy數(shù)組的性能比Python原生數(shù)據(jù)類型高3 ndarray的屬性和基本操作3.1 ndarray的基本屬性3.2 ndarray元素類型3.3 創(chuàng)建ndarray的方式3.4 ndarr...
摘要：本章學(xué)習(xí)兩個科學(xué)運算當(dāng)中最為重要的兩個模塊，一個是一個是。這種工具可用來存儲和處理大型矩陣，比自身的嵌套列表結(jié)構(gòu)要高效的多該結(jié)構(gòu)也可以用來表示矩陣。專為進行嚴(yán)格的數(shù)字處理而產(chǎn)生。可以通過函數(shù)對相應(yīng)值進行打印檢驗。 本章學(xué)習(xí)兩個科學(xué)運算當(dāng)中最為重要的兩個模塊，一個是 numpy,一個是 pandas。任何關(guān)于數(shù)據(jù)分析的模塊都少不了它們兩個。 一、numpy & pandas特點 NumP...
摘要：中面向行和面向列的操作基本是平衡的。用層次化索引，將其表示為更高維度的數(shù)據(jù)。使用浮點值表示浮點和非浮點數(shù)組中的缺失數(shù)據(jù)。索引的的格式化輸出形式選取數(shù)據(jù)子集在內(nèi)層中進行選取層次化索引在數(shù)據(jù)重塑和基于分組的操作中很重要。 我們在上一篇介紹了 NumPy，本篇介紹 pandas。 pandas入門 Pandas 是基于Numpy構(gòu)建的，讓以NumPy為中心的應(yīng)用變的更加簡單。 pandas...
摘要：一基礎(chǔ)運算二通過上一節(jié)的學(xué)習(xí)，我們可以了解到一部分矩陣中元素的計算和查找操作。相應(yīng)的，在矩陣的個元素中，最小值即，對應(yīng)索引，最大值為，對應(yīng)索引為。確認(rèn)是否與相同。要使用，首先需要了解他主要兩個數(shù)據(jù)結(jié)構(gòu)和。 這一節(jié)繼續(xù)學(xué)習(xí)Numpy和Pandas。 一、numpy基礎(chǔ)運算二 通過上一節(jié)的學(xué)習(xí)，我們可以了解到一部分矩陣中元素的計算和查找操作。然而在日常使用中，對應(yīng)元素的索引也是非常重要的。...
摘要：以指定數(shù)目均勻分割區(qū)間。所以給定區(qū)間和，以及等分分割點數(shù)目，將返回一個數(shù)組。將一個函數(shù)應(yīng)用于指定軸上的每一個元素。如果您熟悉，那么你也許聽說過數(shù)據(jù)透視表。內(nèi)置的函數(shù)以的形式創(chuàng)建電子表格樣式的數(shù)據(jù)透視表，它可以幫助我們快速查看某幾列的數(shù)據(jù)。 一行代碼定義List showImg(https://segmentfault.com/img/remote/1460000015965704?...
閱讀 1338·2021-09-01 11:40
閱讀 3950·2021-08-05 10:03
閱讀 978·2019-08-30 15:54
閱讀 2820·2019-08-29 12:53
閱讀 3187·2019-08-29 12:23
閱讀 944·2019-08-26 13:45
閱讀 2283·2019-08-26 10:41
閱讀 2540·2019-08-23 16:44
