Python数据处理中axis=0和axis=1（Pandas）方向差异解析

292

这是一种广泛使用的编程语言，尤其是在数据科学和机器学习领域。处理数据时，通常需要各种操作才能在数组或矩阵上执行，例如求和，平均值等。这些操作通常涉及轴参数的使用。轴= 0，轴= 1是两个常见的参数值，它们沿着数组的不同方向表示操作。本文将详细说明Axis = 0和Axis = 1之间的方向差异，以帮助读者更好地理解和应用这些参数。

轴= 0，轴= 1分别是两个非常常见的参数。它们用于指定操作的方向，即通过行或列操作。具体来说：

轴= 0意味着在行的方向（从上到下）操作，即在每列上操作。

轴= 1意味着在列的方向上操作，即在每行上操作。

以下数据框是一个示例：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df)

输出：

1。轴= 0

假设我们要计算每列的平均值。目前，需要使用轴= 0参数。

mean_by_column = df.mean(axis=0)
print(mean_by_column)

输出：

如您所见，平均（）方法默认情况下根据轴= 0计算每列的平均值。

2。轴= 1

假设我们要计算每行的平均值。目前，需要使用轴= 1个参数。

mean_by_row = df.mean(axis=1)
print(mean_by_row)

输出：

如您所见，均值（）方法在轴的方向上计算每行的平均值。

附录：轴= 0和轴= 1之间的差异

官方帮助解释：

轴用于定义超过一维数组的属性。二维数据具有两个轴：0轴沿行的方向垂直向下向下，并且第1轴沿列的方向水平延伸。

根据官方声明，1表示水平轴，方向是从左到右； 0代表垂直轴，方向是从上到下。当轴= 1时，阵列的变化是水平的，反映了色谱柱的增加或减小。相反，当轴= 0时，阵列的变化是垂直的，反映了行进的增加或减少。

下图是轴为0和1的图表：

例子：

df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]],
                  columns=['col0','col1','col2','col3'])
>>>df

df.mean(axis=1)
>>>
0    1.0
1    2.0
2    3.0
dtype: float64
 
df.mean(axis=0)
>>>
col0    2.0
col1    2.0
col2    2.0
col3    2.0
dtype: float64
 
df.drop('col2',axis=1)
>>>

df.drop(0,axis=0)
>>>

用法：.drop（= none，axis = 0，index = none，= none，= false）

因此，轴的焦点是指向，而不是行和列，各种用法也是如此。

总结

在许多方法中，将有轴参数。此参数用于指定操作的方向。您需要根据特定需求选择正确的方向，以获得正确的结果。一般而言，轴= 0表示在列上工作，轴= 1表示在行上工作。

通过本文，我们详细了解了数据操作中轴= 0和轴= 1之间的方向差异。轴= 0意味着沿列的方向工作，而轴= 1表示在行方向上工作。了解这两个参数之间的方向差异对于正确的数据处理和分析至关重要。掌握这些知识将帮助开发人员编写更高效，更准确的代码，并提高数据处理的效率和质量。我希望本文的内容对您有所帮助，并使您对数据处理更加自在。

轴