在Numpy/Pandas 和在 Tensorflow、Keras等一系列的AI框架中的 axis轴的取值的不同

 

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)