Pandas Dataframe / Numpy Array “轴”定义中的模糊性
我一直对Python中的轴（axis）是怎么定义的感到很困惑，不知道它是指数据框（DataFrame）的行还是列。看看下面的代码：
>>> 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
所以如果我们调用 df.mean(axis=1)，我们会得到每一行的平均值：
>>> df.mean(axis=1)
0 1
1 2
2 3
但是，如果我们调用 df.drop(name, axis=1)，实际上我们是删除一列，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
有没有人能帮我理解在pandas/numpy/scipy中“轴”是什么意思？
顺便提一下，DataFrame.mean 可能定义得不太对。文档中说 DataFrame.mean 的 axis=1 应该是指对列求平均，而不是对行...
7 个回答
当我们说 axis='rows' 或者 axis=0 时，这意味着我们是在从上到下的方向访问元素。如果我们在这个方向上进行求和，就会得到每一列的总和。
而当我们说 axis='columns' 或者 axis=1 时，这意味着我们是在从左到右的方向访问元素。如果在这个方向上进行求和，就会得到每一行的总和。
还是有点困惑！不过上面的解释让我稍微明白了一些。
大家应该更广泛地知道，字符串别名'index'和'columns'可以用来代替数字0和1。这些别名更清晰，也更容易让我记住计算是怎么进行的。'index'的另一个别名是'rows'。
当使用axis='index'时，计算是沿着列进行的，这可能会让人感到困惑。不过，我记住这个的方式是，结果的大小和另一行是一样的。
让我们在屏幕上显示一些数据，看看我在说什么：
df = pd.DataFrame(np.random.rand(10, 4), columns=list('abcd'))
a b c d
0 0.990730 0.567822 0.318174 0.122410
1 0.144962 0.718574 0.580569 0.582278
2 0.477151 0.907692 0.186276 0.342724
3 0.561043 0.122771 0.206819 0.904330
4 0.427413 0.186807 0.870504 0.878632
5 0.795392 0.658958 0.666026 0.262191
6 0.831404 0.011082 0.299811 0.906880
7 0.749729 0.564900 0.181627 0.211961
8 0.528308 0.394107 0.734904 0.961356
9 0.120508 0.656848 0.055749 0.290897
当我们想要计算所有列的平均值时，我们使用axis='index'来得到以下结果：
df.mean(axis='index')
a 0.562664
b 0.478956
c 0.410046
d 0.546366
dtype: float64
同样的结果也可以通过以下方式得到：
df.mean() # default is axis=0
df.mean(axis=0)
df.mean(axis='rows')
如果想要从左到右对行进行操作，就使用axis='columns'。我记住这个是因为我可以想象在我的数据框中添加一个额外的列：
df.mean(axis='columns')
0 0.499784
1 0.506596
2 0.478461
3 0.448741
4 0.590839
5 0.595642
6 0.512294
7 0.427054
8 0.654669
9 0.281000
dtype: float64
同样的结果也可以通过以下方式得到：
df.mean(axis=1)
使用 axis=0/index/rows 添加新行
让我们用这些结果来添加额外的行或列，以完成解释。因此，每当使用axis=0/index/rows时，就像是在获取数据框的新行。我们来添加一行：
df.append(df.mean(axis='rows'), ignore_index=True)
a b c d
0 0.990730 0.567822 0.318174 0.122410
1 0.144962 0.718574 0.580569 0.582278
2 0.477151 0.907692 0.186276 0.342724
3 0.561043 0.122771 0.206819 0.904330
4 0.427413 0.186807 0.870504 0.878632
5 0.795392 0.658958 0.666026 0.262191
6 0.831404 0.011082 0.299811 0.906880
7 0.749729 0.564900 0.181627 0.211961
8 0.528308 0.394107 0.734904 0.961356
9 0.120508 0.656848 0.055749 0.290897
10 0.562664 0.478956 0.410046 0.546366
使用 axis=1/columns 添加新列
同样，当axis=1/columns时，它会创建可以轻松变成自己列的数据：
df.assign(e=df.mean(axis='columns'))
a b c d e
0 0.990730 0.567822 0.318174 0.122410 0.499784
1 0.144962 0.718574 0.580569 0.582278 0.506596
2 0.477151 0.907692 0.186276 0.342724 0.478461
3 0.561043 0.122771 0.206819 0.904330 0.448741
4 0.427413 0.186807 0.870504 0.878632 0.590839
5 0.795392 0.658958 0.666026 0.262191 0.595642
6 0.831404 0.011082 0.299811 0.906880 0.512294
7 0.749729 0.564900 0.181627 0.211961 0.427054
8 0.528308 0.394107 0.734904 0.961356 0.654669
9 0.120508 0.656848 0.055749 0.290897 0.281000
似乎你可以通过以下私有变量查看所有别名：
df._AXIS_ALIASES
{'rows': 0}
df._AXIS_NUMBERS
{'columns': 1, 'index': 0}
df._AXIS_NAMES
{0: 'index', 1: 'columns'}
另一种解释方式：
// Not realistic but ideal for understanding the axis parameter
df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]],
columns=["idx1", "idx2", "idx3", "idx4"],
index=["idx1", "idx2", "idx3"]
)
---------------------------------------1
| idx1 idx2 idx3 idx4
| idx1 1 1 1 1
| idx2 2 2 2 2
| idx3 3 3 3 3
0
关于 df.drop （axis指的是位置）
A: I wanna remove idx3.
B: **Which one**? // typing while waiting response: df.drop("idx3",
A: The one which is on axis 1
B: OK then it is >> df.drop("idx3", axis=1)
// Result
---------------------------------------1
| idx1 idx2 idx4
| idx1 1 1 1
| idx2 2 2 2
| idx3 3 3 3
0
关于 df.apply （axis指的是方向）
A: I wanna apply sum.
B: Which direction? // typing while waiting response: df.apply(lambda x: x.sum(),
A: The one which is on *parallel to axis 0*
B: OK then it is >> df.apply(lambda x: x.sum(), axis=0)
// Result
idx1 6
idx2 6
idx3 6
idx4 6
已经有很好的答案了，但我再给你一个超过两维的例子。
参数 axis 的意思是 要改变的轴。
比如，假设有一个数据框，它的维度是 a x b x c。
df.mean(axis=1)会返回一个维度为 a x 1 x c 的数据框。df.drop("col4", axis=1)会返回一个维度为 a x (b-1) x c 的数据框。
在这里，axis=1 表示第二个轴，也就是 b，所以在这些例子中，b 的值会被改变。
记住这个概念其实很简单，可以把它理解为 0=向下 和 1=横向。
这意味着：
- 使用
axis=0时，是对每一列进行操作，或者说是对行标签（也就是索引）进行操作。 - 使用
axis=1时，是对每一行进行操作，或者说是对列标签进行操作。
下面有一张图，展示了数据框（DataFrame）中每个轴所指的部分：
另外，记住Pandas是跟NumPy的用法一致的，都是用 axis 这个词。NumPy的用法可以在它的术语表中找到：
轴是为多维数组定义的。一个二维数组有两个对应的轴：第一个是垂直的，向下穿过行（axis 0），第二个是水平的，穿过列（axis 1）。[我强调的部分]
所以，关于问题中的方法 df.mean(axis=1)，它的定义是正确的。这个方法是计算每一行的平均值，也就是 横向穿过列 的平均值。另一方面， df.mean(axis=0) 则是对 向下穿过行 进行操作。
同样， df.drop(name, axis=1) 是对列标签进行操作，因为列标签是横向的。指定 axis=0 则会让这个方法对行进行操作。