Python进阶学习：axis=0和axis=1的区别和用法

最新推荐文章于 2025-03-28 22:30:00 发布

高斯小哥

最新推荐文章于 2025-03-28 22:30:00 发布

阅读量6.7k

点赞数 41

分类专栏： Python基础【高质量合集】文章标签： python 学习 numpy pandas

本文链接：https://blog.csdn.net/qq_41813454/article/details/136358177

版权

Python基础【高质量合集】专栏收录该内容

133 篇文章

订阅专栏

Python进阶学习：axis=0和axis=1的区别和用法

在这里插入图片描述

🌈 个人主页：高斯小哥
🔥 高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程👈 希望得到您的订阅和支持~
💡 创作高质量博文(平均质量分92+)，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）

🚀一、引言

在Python的数据处理领域中，NumPy和Pandas是两个不可或缺的工具。它们提供了丰富的函数和方法来处理数组和数据框，其中axis参数是一个经常出现的概念。axis参数用于指定操作的维度方向，其中axis=0和axis=1是最常用的两个选项。那么，axis=0和axis=1究竟有什么区别呢？它们在不同情境下又有哪些用法呢？本文将详细解析这些问题，并通过代码示例帮助你更好地理解和应用。

📚二、axis=0和axis=1的基本概念

在NumPy和Pandas中，axis参数用于指定数据操作的维度方向。axis=0表示沿着行的方向进行操作，而axis=1表示沿着列的方向进行操作。具体来说，axis=0对应于垂直方向（从上到下），而axis=1对应于水平方向（从左到右）。

💡三、axis=0和axis=1在NumPy中的区别

在NumPy中，axis=0和axis=1通常用于指定函数操作的维度。例如，numpy.sum()函数用于计算数组元素的和，通过指定axis参数，可以沿着不同的维度方向进行求和操作。

当axis=0时，numpy.sum()函数会沿着行的方向计算每一列的和，返回一个形状减少一维的数组。
当axis=1时，numpy.sum()函数会沿着列的方向计算每一行的和，返回一个形状减少一维的数组。

以下是一个NumPy中axis=0和axis=1的示例代码：

import numpy as np

# 创建一个3x3的二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr)

# 沿着行的方向（axis=0）求和
sum_axis0 = np.sum(arr, axis=0)
print("沿着行的方向求和:", sum_axis0)  # 输出: [12 15 18]

# 沿着列的方向（axis=1）求和
sum_axis1 = np.sum(arr, axis=1)
print("沿着列的方向求和:", sum_axis1)  # 输出: [ 6 15 24]

输出：

[[1 2 3]
 [4 5 6]
 [7 8 9]]
沿着行的方向求和: [12 15 18]
沿着列的方向求和: [ 6 15 24]

在这个示例中，

np.sum(arr, axis=0)计算了每一列的和(沿着行的方向求和)，返回了一个形状为(3,)的一维数组[12, 15, 18]。
np.sum(arr, axis=1)计算了每一行的和(沿着列的方向求和)，返回了一个形状为(3,)的一维数组[6, 15, 24]。

🔍四、axis=0和axis=1在Pandas中的区别

在Pandas中，axis=0和axis=1同样用于指定函数操作的维度，但应用于DataFrame对象时，它们的意义略有不同。

当axis=0时，大多数Pandas函数会沿着行的方向进行操作，即对数据框的行进行操作。例如，df.sum(axis=0)会计算每一列的和。
当axis=1时，函数会沿着列的方向进行操作，即对数据框的列进行操作。例如，df.sum(axis=1)会计算每一行的和。

以下是一个Pandas中axis=0和axis=1的示例代码：

import pandas as pd

# 创建一个简单的DataFrame
df = pd.DataFrame({
    'A': [1, 4, 7],
    'B': [2, 5, 8],
    'C': [3, 6, 9]
})

# 沿着行的方向（axis=0）求和
sum_axis0 = df.sum(axis=0)
print("沿着行的方向求和:", sum_axis0)

# 沿着列的方向（axis=1）求和
sum_axis1 = df.sum(axis=1)
print("沿着列的方向求和:", sum_axis1)

输出：

沿着行的方向求和: A    12
B    15
C    18
dtype: int64
沿着列的方向求和: 0     6
1    15
2    24
dtype: int64

在这个示例中：

df.sum(axis=0)计算了每一列的和(沿着行的方向求和)，返回了一个Series对象，其中索引是列名，值是每一列的和。
df.sum(axis=1)计算了每一行的和(沿着列的方向求和)，同样返回了一个Series对象，其中索引是行标签，值是每一行的和。

🌈五、实际应用场景举例

axis=0和axis=1在数据处理中有着广泛的应用。以下是一些实际的应用场景举例：

数据聚合：在计算数据的统计量（如总和、平均值、标准差等）时，axis=0和axis=1可以用于指定聚合的维度。
数据重塑：在使用reshape等函数时，axis参数用于指定数据重塑的方向。
数据筛选：在使用filter函数筛选数据时，可以通过axis参数指定筛选的行或列。
数据排序：在使用sort_values函数对数据进行排序时，axis参数用于指定排序的维度。

🚀六、总结

通过本文的详细解析和代码示例，相信你对axis=0和axis=1的区别和用法有了更深入的理解。无论是在NumPy还是Pandas中，axis参数都是一个非常重要的概念，它帮助我们指定数据操作的维度方向。掌握axis=0和axis=1的区别和用法，将为你在Python数据处理领域中提供更强大的武器。