pandas中的轴是什么意思？

Question

这是我用来生成数据表的代码：

import pandas as pd
import numpy as np

dff = pd.DataFrame(np.random.randn(1,2),columns=list('AB'))

然后我得到了这个数据表：

+------------+---------+--------+
|            |  A      |  B     |
+------------+---------+---------
|      0     | 0.626386| 1.52325|
+------------+---------+--------+

当我输入这个命令时：

dff.mean(axis=1)

我得到了：

0    1.074821
dtype: float64

根据pandas的说明，axis=1表示列，我期待这个命令的结果是

A    0.626386
B    1.523255
dtype: float64

所以我想问的是：pandas中的axis是什么意思？

Answer 1

让我们来形象化一下（你会永远记住），

在Pandas中：

1. axis=0表示沿着“索引”方向。这是一个按行操作。

假设我们要对dataframe1和dataframe2进行concat()操作，首先我们从dataframe1中取出第一行放到新的数据框中，然后再取出dataframe1中的另一行放入新的数据框，重复这个过程直到取完dataframe1的所有行。接着，我们对dataframe2做同样的操作。

基本上，就是把dataframe2叠加在dataframe1的上面，或者反过来。

比如在桌子或地板上堆一堆书。

2. axis=1表示沿着“列”方向。这是一个按列操作。

假设我们要对dataframe1和dataframe2进行concat()操作，首先我们从dataframe1中取出第一整列（也就是第一系列）放到新的数据框中，然后取出dataframe1的第二列，放在旁边(横着)，这个操作要重复，直到所有列都处理完。接着，对dataframe2也做同样的操作。

基本上，就是把dataframe2横着叠加。

比如把书摆在书架上。

更进一步，由于数组比矩阵更适合表示嵌套的n维结构！所以下面的内容可以帮助你更好地理解在多维情况下，轴是如何发挥重要作用的。此外，你实际上可以打印、写下、画出或可视化任何n维数组，但在纸上用矩阵表示（3维）超过3维的内容是不可行的。

Answer 2

这些回答确实有帮助，但对于像我这样的非程序员（也就是第一次在数据科学课程中学习Python的人）来说，理解起来还是不太直观。我发现用“沿着”或“对于每个”来描述行和列，还是有点让人困惑。

对我来说，更容易理解的说法是：

• 轴0会作用于每一列中的所有行
• 轴1会作用于每一行中的所有列

所以在轴0上计算平均值，就是计算每一列中所有行的平均值；而在轴1上计算平均值，就是计算每一行中所有列的平均值。

最终，这和@zhangxaochen和@Michael说的意思是一样的，只是用我更容易理解的方式表达而已。

Answer 3

这段话讲的是计算平均值时，选择哪个方向来计算。默认情况下，axis=0。这个设置和numpy.mean的用法是一致的，当你明确指定axis时（在numpy.mean中，默认情况下axis是None，这样会计算整个数组的平均值），axis=0表示沿着行（在pandas中叫索引），而axis=1表示沿着列。为了更清楚，你也可以选择用axis='index'（代替axis=0）或者axis='columns'（代替axis=1）来指定方向。

+------------+---------+--------+
|            |  A      |  B     |
+------------+---------+---------
|      0     | 0.626386| 1.52325|----axis=1----->
+------------+---------+--------+
             |         |
             | axis=0  |
             ↓         ↓