dataframe中axis值为0和1的区别

dataframe中axis值为0和1的区别

1.列表如下

    df = pd.DataFrame(
        [[1, 1, 1], [2, 2, 2], [3, 3, 3]],
        columns=['a', 'b', 'c'],
        index=['d', 'e', 'f'])

   a  b  c
d  1  1  1
e  2  2  2
f  3  3  3

需要注意的是，如果想要给dataframe中插入随机数，思路如下

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(10, 3), columns=list('abc'))

          a                   b                 c
0 -0.578813  0.756792 -0.678878
1  0.479110  1.187211  0.651269
2  1.229985  0.517533  0.213482
3  1.603191  1.164784 -0.004222
4 -1.010882 -0.008416  0.083528

2.axis=0

    df = pd.DataFrame(
        [[1, 1, 1], [2, 2, 2], [3, 3, 3]],
        columns=['a', 'b', 'c'],
        index=['d', 'e', 'f'])
    print(df.mean(axis=0))

输出：

a    2.0
b    2.0
c    2.0

3.axis=1

例子1：

    df = pd.DataFrame(
        [[1, 1, 1], [2, 2, 2], [3, 3, 3]],
        columns=['a', 'b', 'c'],
        index=['d', 'e', 'f'])
    print(df.mean(axis=1))

输出：

d    1.0
e    2.0
f    3.0

例子2：

在dateframe中新增一列，在这个例子中，axis比如为1，写0则会报错

def ac(a,b):
	print(a)
    return 10
def test4():
    df = pd.DataFrame(
        [[1, 1, 1], [2, 2, 2], [3, 3, 3]],
        columns=['a', 'b', 'c'],
        index=['d', 'e', 'f'])
    df['g'] = df.apply(lambda row:ac(row['a'],row['b']),axis=1)
    print(df.head(10))

输出：

a = 1
a = 2
a = 3
   a  b  c   g
d  1  1  1  10
e  2  2  2  10
f  3  3  3  10

结论：从上图的结果，按照我的理解，尤其是例子2，apply每次都会将一行数据传给ac函数进行 处理

​ 所以，axis=1时，某一瞬间，会处理一整行数据，处理完之后，再处理下一行

​ axis=0时，同理