熊猫的轴是什么意思？

Question

以下是生成数据帧的代码：

import pandas as pd
import numpy as np

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

然后我得到了数据帧：

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

当我键入命令时：

dff.mean(axis=1)

我得到：

0    1.074821
dtype: float64

根据pandas的引用，axis=1表示列，我希望命令的结果是

A    0.626386
B    1.523255
dtype: float64

所以我的问题是：熊猫的轴是什么意思？

Answer 1

大熊猫：

1. 轴=0表示沿“索引”。这是一个按行操作

假设，对dataframe1执行concat（）操作

基本上，将dataframe2堆叠在dataframe1之上，反之亦然。

例如在桌子或地板上堆一堆书

假设，对dataframe1执行concat（）操作

把书放在书架上。

更重要的是，与矩阵相比，数组更能表示嵌套的n维结构！因此，下面可以帮助您更直观地了解当您概括到多个维度时，axis是如何发挥重要作用的。此外，您实际上可以打印/写入/绘制/可视化任何n-dim数组，但在三维以上的纸张上不可能在矩阵表示（3-dim）中写入或可视化相同的数组。

Answer 2

这些答案确实有助于解释这一点，但对于非程序员（例如，像我这样第一次在数据科学课程背景下学习Python的人）来说，这仍然不是非常直观的。我仍然发现，在行和列中使用术语“沿”或“for each”wrt是令人困惑的。

对我来说更有意义的是这样说：

• 轴0将作用于每个列中的所有行
• 轴1将作用于每个行中的所有列

因此，轴0上的平均值将是每列中所有行的平均值，轴1上的平均值将是每行中所有列的平均值。

归根结底，这是在说和张晓晨和迈克尔一样的事情，但以一种对我来说更容易内化的方式。

Answer 3

它指定计算平均值的轴。默认情况下，轴=0。这与显式指定轴时的numpy.mean用法一致（在numpy.mean中，默认情况下，轴==无，它计算扁平数组上的平均值），在其中沿行（即熊猫中的索引）的轴=0，沿列的轴=1。为了增加清晰度，可以选择指定轴='index'（而不是轴=0）或轴='列'（而不是轴=1）。

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