【1】数据分析---Pandas/Numpy中axis参数

Pandas/Numpy中axis参数的理解

一、官方解释

axis的官方解释：

轴用来为超过一维的数组定义的属性，

二维数据拥有两个轴：第0轴沿着行的垂直往下，第1轴沿着列的方向水平延伸。

注意⚠️：**axis的重点在于方向，而不是行和列。**官方对于0和1的解释是轴，也就是坐标轴。而坐标轴是有方向的，所以千万不要用行和列的思维去想axis，因为行和列是没有方向的。

简单记忆：axis=0代表跨行（down)，而axis=1代表跨列（across)，作为方法动作的副词。

二、图解

• 使用0值表示沿着每一列或行标签\索引值向下执行方法
• 使用1值表示沿着每一行或者列标签向向执行对应的方法

多维：axis=i，表示沿第i个下标索引变化的方向操作

三、应用

1.三维数组求和

In [1]: import numpy as np

In [2]: a = np.array([[[1,1],[2,1],[3,1]],[[4,1],[5,1],[6,1]],[[7,1],[8,1],[9,1]]])

In [3]: a
Out[3]: 
array([[[1, 1],
        [2, 1],
        [3, 1]],

       [[4, 1],
        [5, 1],
        [6, 1]],

       [[7, 1],
        [8, 1],
        [9, 1]]])

In [4]: a.shape
Out[4]: (3, 3, 2)

# 三维3x3x2 变 二维3x2
In [7]: np.sum(a,axis=0)
Out[7]: 
array([[12,  3],
       [15,  3],
       [18,  3]])

# 三维3x3x2 变 二维3x2
In [6]: np.sum(a,axis=1)
Out[6]: 
array([[ 6,  3],
       [15,  3],
       [24,  3]])

# 三维3x3x2 变 二维3x3
In [8]: np.sum(a,axis=2)
Out[8]: 
array([[ 2,  3,  4]