numpy和pandas中关于axis的异同

这几天在看《python数据科学手册的时候》中pandas中axis产生了一点疑问，因为dataframe相当于numpy二维数组的扩展，按道理来说他们应该是相同的。但是我在用numpy的axis解释去对应pandas的时候总是对不上。

首先，numpy中的axis，按书中的话说叫数据折叠的方向。这话也比较让人不明所以。不如举个例子：

比如

a = np.array([[0,1,2,3],[0,1,2,3],[0,1,2,3]])
a

array([[0, 1, 2, 3],
       [0, 1, 2, 3],
       [0, 1, 2, 3]])

这个二维数组有两个轴，最外层的括号对应第一个轴axis0，我们不妨把这个二维数组想象成一维数组，只不过其中每个元素是向量[0,1,2,3]。次外层的括号对应axis1，同样的，它也可以看作是由元素[0,0,0],[1,1,1],[2,2,2],[3,3,3]构成的一维数组。

假如我们的维度再高一点

a = a.reshape((3,2,2))

array([[[0, 1],
        [2, 3]],

       [[0, 1],
        [2, 3]],

       [[0, 1],
        [2, 3]]])

以此类推

axis0:

[[0, 1],[2, 3]],
[[0, 1],[2, 3]],
[[0, 1],[2, 3]]

axis1

[[0,1],[0,1],[0,1]]
[[2,3],[2,3],[2,3]]

axis2

[[0,2],[0,2],[0,2]]
[[1,3],[1,3],[1,3]]

对应的均值：

axis0:

[[0., 1.],[2., 3.]]

axis1

[[1., 2.],[1., 2.],[1., 2.]]

axis2

[[0.5, 2.5],[0.5, 2.5],[0.5, 2.5]]

然而这种理解方式在pandas中却行不通，比如：

b = pd.DataFrame(np.arange(9).reshape(3,3), columns=list('ABC'))
b

	A	B	C
0	0	1	2
1	3	4	5
2	6	7	8

假如我要去做每一行去减去第一行的操作，按照前面的理解，axis=0，即可将二维数组看作由一堆行向量所构成的一维数组，行向量之间的运算恰好就是这种情况。但是假如真这么做了，结果却不对

b.subtract(b.iloc[0], axis=0)

	A	B	C
0	NaN	NaN	NaN
1	NaN	NaN	NaN
2	NaN	NaN	NaN
A	NaN	NaN	NaN
B	NaN	NaN	NaN
C	NaN	NaN	NaN

为什么会这样呢，这里我从索引的角度给出我的理解，感觉还说得通，我们不妨查看一下取出的第一行

b.iloc[0]

A    0
B    1
C    2
Name: 0, dtype: int32

这个时候我就发现不对劲了，数据的index好像不是原来的0,1,2了（显式上的），继续查看

b.iloc[0].index

Index(['A', 'B', 'C'], dtype='object')

果然，单独抽出来的一行，index已经是A B C了。根据索引的并集，两个运算对象的结果，索引相同的放在一起，索引不同的则新增。在上面的计算中，原来并没有’A’, ‘B’, 'C’三个索引。所以出错了，正确的做法，则是去指定相同索引的轴，比如axis1(水平轴)，让A B C和A B C一一对应，则会得到正确的结果：

b.subtract(b.iloc[0], axis=1)

	A	B	C
0	0	0	0
1	3	3	3
2	6	6	6

这个结果也是可以解释的，相当于每一个A列的元素减去了b[0]中index A的元素0，以此类推。完成了行向量相减。

同样的，按照这个思路，我们也可以知道列向量相减用axis=1的话就会出错

b.subtract(b.iloc[:,0], axis=1)

	A	B	C	0	1	2
0	NaN	NaN	NaN	NaN	NaN	NaN
1	NaN	NaN	NaN	NaN	NaN	NaN
2	NaN	NaN	NaN	NaN	NaN	NaN

b.iloc[:,0].index

RangeIndex(start=0, stop=3, step=1)

b.subtract(b.iloc[:,0], axis=0)

	A	B	C
0	0	1	2
1	0	1	2
2	0	1	2

无论是指示行的index，还是指示列的column。都可以看作是一个东西。运算中要互相匹配才能得到正确的结果。