日萌社
人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新)
1.在不同的API(函数)或者在不同的框架中,axis轴的取值并不一定都是固定的。
2.比如在Numpy、Pandas的API中,axis轴的取值并不一定都是固定的,但一般是 axis=0 代表列, axis=1 代表行。
3.比如在Tensorflow、Keras等一系列的AI框架中API中,axis轴的取值一般是 axis=0 代表行, axis=1 代表列。
4.比如下面的Numpy的API中 axis=0 代表列, axis=1 代表行。
>>> import numpy as np
>>> a = np.array([[0,1,2,3],[4,5,6,7],[8,9,10,11]])
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> print(np.max(a, axis=0))
[ 8 9 10 11]
>>> print(np.min(a, axis=0))
[0 1 2 3]
>>> print(np.std(a, axis=0))
[3.26598632 3.26598632 3.26598632 3.26598632]
>>> print(np.mean(a, axis=0))
[4. 5. 6. 7.]
>>> print(np.median(a, axis=0))
[4. 5. 6. 7.]
>>> print(np.var(a, axis=0))
[10.66666667 10.66666667 10.66666667 10.66666667]
5.比如下面的Pandas的API中 axis=0 代表列, axis=1 代表行。
1.pd.concat([data1, data2], axis=1) 按照行或列进行合并,axis=0为列索引,axis=1为行索引
2.apply(func, axis=0)
func: 自定义函数
axis=0: 默认是列,axis=1为行进行运算
定义一个对列,最大值-最小值的函数:data[['open', 'close']].apply(lambda x: x.max() - x.min(), axis=0)
3.DataFrame运算的统计函数
在这里我们演示min(最小值), max(最大值), mean(平均值), median(中位数), var(方差), std(标准差),mode(众数)结果。
对于单个函数去进行统计的时候,坐标轴还是按照默认列“columns” (axis=0, default),如果要对行“index” 需要指定(axis=1)。
统计函数 解释
sum Sum of values
mean Mean of values
median Arithmetic median of values
min Minimum
max Maximum
mode Mode
abs Absolute Value
prod Product of values
std Bessel-corrected sample standard deviation
var Unbiased variance
idxmax compute the index labels with the maximum
idxmin compute the index labels with the minimum
4.drop删除一些列,让数据更简单些,再去做后面的操作
data = data.drop(["列名"], axis=1)