熊猫中的轴是什么意思？

Question

这是我生成数据帧的代码:

import pandas as pd
import numpy as np

dff = pd.DataFrame(np.random.randn(1,2),columns=list('AB'))

然后我得到了数据帧:

+------------+---------+--------+
|            |  A      |  B     |
+------------+---------+---------
|      0     | 0.626386| 1.52325|
+------------+---------+--------+

当我输入命令时:

dff.mean(axis=1)

我有 :

0    1.074821
dtype: float64

根据pandas的引用,axis = 1代表列,我期望命令的结果

A    0.626386
B    1.523255
dtype: float64

所以这是我的问题:熊猫中的轴是什么意思？

Answer 1

它指定轴沿其的装置被计算的.默认情况下axis=0.这是与相一致numpy.mean时使用axis指定明确地(在numpy.mean,轴==默认无,其计算所述扁平阵列上的平均值),其中axis=0沿所述行(即,索引在大熊猫),和axis=1沿所述列.为了更加清晰,可以选择指定axis='index'(而不是axis=0)或axis='columns'(而不是axis=1).

+------------+---------+--------+
|            |  A      |  B     |
+------------+---------+---------
|      0     | 0.626386| 1.52325|----axis=1----->
+------------+---------+--------+
             |         |
             | axis=0  |
             ?         ?

Answer 2

这些答案确实有助于解释这一点,但对于非程序员(即像我这样的人,在数据科学课程的背景下第一次学习Python),它仍然不是非常直观.我仍然发现使用术语"沿"或"对于每个"wrt行和列是令人困惑的.

对我来说更有意义的是这样说:

• Axis 0将作用于每个COLUMN中的所有ROWS
• Axis 1将作用于每个ROW中的所有COLUMNS

因此,轴0上的平均值将是每列中所有行的平均值,轴1上的平均值将是每行中所有列的平均值.

最终,这与@ zhangxaochen和@Michael的说法相同,但在某种程度上我更容易内化.

Answer 3

让想象(永远记住),

在熊猫:

1. axis = 0表示沿"索引".这是一个按行进行的操作.

假设,要对dataframe1和dataframe2执行concat()操作,我们将获取dataframe1并从dataframe1取出第一行并放入新的DF,然后我们从dataframe1取出另一行并放入新的DF,我们重复此过程直到我们到达dataframe1的底部.然后,我们对dataframe2执行相同的过程.

基本上,将dataframe2堆叠在dataframe1之上,反之亦然.

例如,在桌子或地板上做一堆书

2. axis = 1表示沿"列".这是一个按列操作.

假设,为了对dataframe1和dataframe2执行concat()操作,我们将取出dataframe1的第一个完整列(又名第一个系列)并放入新的DF,然后我们取出第二列dataframe1并保持相邻(侧面) ),我们必须重复此操作,直到所有列都完成.然后,我们在dataframe2上重复相同的过程.基本上, 堆叠dataframe2横向.

例如,在书架上安排书籍.

Answer 4

axis指的是数组的维数,在pd.DataFrames 的情况下axis=0是指向下的维度和axis=1指向右的维度.

示例:想一下ndarray有形状(3,5,7).

a = np.ones((3,5,7))

a是3维ndarray,即它有3个轴("轴"是多个"轴").配置a将看起来像3片面包,其中每个切片的尺寸为5×7.a[0,:,:]将参考第0个切片,a[1,:,:]将参考第1个切片等.

a.sum(axis=0)将sum()沿着0轴应用a.您将添加所有切片,最后得到一片形状(5,7).

a.sum(axis=0) 相当于

b = np.zeros((5,7))
for i in range(5):
    for j in range(7):
        b[i,j] += a[:,i,j].sum()

b并且a.sum(axis=0)看起来都像这样

array([[ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.]])

在a中pd.DataFrame,轴的工作方式与numpy.arrays 相同:axis=0将应用sum()或每列的任何其他缩减功能.

注意在@ zhangxaochen的回答中,我发现"沿着行"和"沿着列"这两个短语略显混乱.axis=0应该参考"沿着每一列"和axis=1"沿着每一行".

Answer 5

我理解的最简单方法是讨论是否要计算每列(axis = 0)或每行(axis = 1)的统计量.如果你计算一个统计量,说一个均值,axis = 0你将得到每列的统计量.因此,如果每个观察都是一行,并且每个变量都在一列中,您将获得每个变量的平均值.如果您设置,axis = 1那么您将计算每行的统计数据.在我们的示例中,您将获得所有变量中每个观察值的均值(可能您需要相关度量的平均值).

axis = 0:by column = column-wise =沿着行

axis = 1:by row = row-wise =沿列

Answer 6

我曾经也对此感到困惑，但这就是我的记忆。

它指定将更改或将执行操作的数据帧的维度。

让我们通过一个例子来理解这一点。我们有一个数据框df，其形状为 (5, 10)，这意味着它有 5 行和 10 列。

现在，当我们df.mean(axis=1)这样做时，意味着维度 1 将被更改，这意味着它将具有相同的行数但不同的列数。因此，得到的结果将具有 (5, 1) 的形状。

类似地，如果我们df.mean(axis=0)这样做，则意味着维度 0 将被更改，即行数将更改，但列数将保持不变，因此结果将是形状 (1, 10)。

尝试将其与问题中提供的示例联系起来。

Answer 7

编程视图中的轴是形状元组中的位置.这是一个例子:

import numpy as np

a=np.arange(120).reshape(2,3,4,5)

a.shape
Out[3]: (2, 3, 4, 5)

np.sum(a,axis=0).shape
Out[4]: (3, 4, 5)

np.sum(a,axis=1).shape
Out[5]: (2, 4, 5)

np.sum(a,axis=2).shape
Out[6]: (2, 3, 5)

np.sum(a,axis=3).shape
Out[7]: (2, 3, 4)

轴上的平均值将导致该尺寸被移除.

参考原始问题,dff形状是(1,2).使用axis = 1会将形状更改为(1,).

Answer 8

axis=正确使用的问题在于它在两种主要不同情况下的使用：

1. 用于计算累积值，或重新排列（例如排序）数据。
2. 用于操作（“玩”）实体（例如dataframes）。

这个答案背后的主要思想是，为了避免混淆，我们选择一个数字或一个名称来指定特定的轴，以更清晰、直观和描述性更强的为准。

Pandas 基于 NumPy，后者基于数学，特别是基于 n 维矩阵。这是 3 维空间中数学中轴名称的常用图像：

此图仅用于记忆轴的序数：

• 0 对于 x 轴，
• 1 对于 y 轴，和
• 2 对于 z 轴。

该z轴是只对面板; 对于数据框，我们将把我们的兴趣限制在带有x 轴 ( , 垂直)和y 轴 ( , 水平)的绿色二维基本平面上。01

这都是数字作为axis=参数的潜在值。

轴的名称是'index'（您可以使用别名'rows'）和'columns'，对于这个解释，这些名称和序数（轴的）之间的关系并不重要，因为每个人都知道“行”和“列”这两个词的意思（这里的每个人——我想——都知道熊猫中的“索引”这个词是什么意思）。

现在，我的建议是：

1. 如果你想计算一个累积值，你可以从沿轴 0（或沿轴 1）的值计算它——使用axis=0（或axis=1）。

   同样，如果要重新排列值，请使用轴的轴号，沿其定位的数据进行重新排列（例如用于排序）。

2. 如果您想操作（例如连接）实体（例如数据帧）——分别使用axis='index'（同义词：）axis='rows'或axis='columns'指定结果变化——索引（行）或列。
   （对于连接，您将分别获得更长的索引（= 更多行）或更多列。）

Answer 9

熊猫的设计师Wes McKinney过去常常专注于财务数据.将列视为股票名称和索引作为每日价格.然后,您可以猜测axis=0此财务数据的默认行为(即).axis=1可以简单地认为是"另一个方向".

例如,统计功能,如mean(),sum(),describe(),count()都默认为列明智的,因为它更有意义,做他们每个股票.sort_index(by=)也默认为列.fillna(method='ffill')将填充列,因为它是相同的股票.dropna()默认为行,因为您可能只想丢弃当天的价格而不是丢弃该股票的所有价格.

类似地,方括号索引指的是列,因为选择股票而不是选择一天更常见.

Answer 10

让我们看一下Wiki中的表格。这是国际货币基金组织对2010年至2019年前十个国家GDP的估计。

1.第1轴将对所有列的每一行起作用
如果您想计算十年（2010-2019年）中每个国家的平均（平均）GDP，则需要做df.mean(axis=1)。例如，如果您要计算2010年至2019年美国的平均GDP，df.loc['United States','2010':'2019'].mean(axis=1)

2.轴0将对所有行的每一列起作用
如果我想计算所有国家每个年份的平均（平均）GDP，则需要做df.mean(axis=0)。例如，如果您要计算美国，中国，日本，德国和印度的2015年平均GDP，df.loc['United States':'India','2015'].mean(axis=0)

请注意：上面的代码仅在将“国家（或从属地区）”列设置为“索引”后才能使用set_index方法。

Answer 11

记住轴 1（列）与轴 0（行）的简单方法之一是您期望的输出。

• 如果您希望使用axis='columns' 的每一行都有一个输出，
• 另一方面，如果您想要为每一列输出，您可以使用axis='rows'。

Answer 12

我相信，正确的答案应该是“很复杂”

[1] 术语“轴”本身在不同的人中会产生不同的心理图像，
比如说 y 轴，它应该会让人产生垂直物体的图像。然而，现在想到一条垂直线x=0。它也是垂直线，但它是通过x 轴上的值来寻址的。0

同样，当我们说axis='index'（意思axis=0）时，我们是在说索引所在的“垂直”方向吗？或者由索引值寻址的一系列数据？熊猫往往指的是第一个意思，垂直方向。

[2] Pandas 本身也不是 100% 一致，观察以下案例，它们几乎有相同的共同主题：

# [1] piling dfs
pd.concat([df0, df1], axis='index') 
    # adding dfs on top of each other vertically like pilling up a column, 
    # but, we will use the word 'index'

# [2] for every column in df: operate on it
df.apply(foo, axis='index')     # apply func foo to one column at a time
df.mean('A', axis='index')      # apply "mean()" to one column at a time
a_boolean_df.all(axis='index')  # check if each column contains only bool "True"
    # apply an operation to a vertical slice of data, ie. a column, 
    # then apply the same operation to the next column on the right 
    # then to the right again... until the last column
    # but, we will use the word 'index'

# [3] delete a column or row of data
df.drop(axis='index', ...)
df.dropna(axis='index', ...)
    # this time, we are droping an index/row, a horizontal slice of data.
    # so OBVIOUSLY we will use the word 'index'

# [4] when you iterate thru a df naturally, what would show up first? a row or a column?
for x in df:
    # x == a column's name

# [5] drop duplicate
df.drop_duplicates(subset=['mycolumn0', 'mycolumn1']...)
    # thank God we don't need to deal with the "axis" bs in this