- 【对axis的简单理解,实测有效】axis=0,表示结果的行数发生变化。axis=1,表示结果的列数发生变化。
- 哪个方向上的数量发生变化,就是哪个方向。(方向指的是行或者列)。
- 具体例子有以下几个,都是以axis=0为例,以防混淆。
- 最后一个例子是对DataFrame中的各行进行上下移动,各行互相交换位置,结果不涉及行数变化,但是与行有关系。
①
arr1 = np.ones(15).reshape(3,5)
arr2 = np.zeros(15).reshape(3,5)
arr1:
[[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]]
arr2:
[[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]])
np.concatenate((arr,new_arr),axis=0)
输出:
[[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]]
分析:axis=0时,纵向级联,行数增加
②
arr1.sum(axis=0)
输出:array([3., 3., 3., 3., 3.])
分析:axis=0,各列纵向相加,行数减少
③
arr = np.arange(12).reshape(3,4)
np.ptp(arr,axis=0) # 计算数组中元素最大值与最小值的差
arr:
[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]]
输出:array([8, 8, 8, 8])
分析:axis=0,表示行数变化,所以纵向各列为单位,找出最大最小值计算
④
df = DataFrame(data=np.identity(3),columns=['A','B','C'])
df:
df.take([0,2,1],axis=0) # 将第二行和第三行交换
输出:
分析:axis=0,行上下移动,虽然行数未变,但是是以行为单位进行运算