Numpy、Pandas中对轴向axis的理解

• 【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