python的axis=0 or 1 ?(迷糊笔记)
之前学了numpy和pandas对axis这个参数感觉很懵。。。。
看了好多博博客，然而感觉。。。。还是很懵。。我可能太笨了吧
没办法死死记硬背吧，大佬如果有好的理解方法麻烦中在下方评论一下啊。。。
下面是个人的理解
首先什么是轴？
Pandas保持了Numpy对关键字axis的用法，用法在Numpy库的词汇表当中有过解释：
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。
这个句话我也是没太读明白，我认为吧这个应该是观看整个数据的方法，0轴是沿着行然后一行一行的往下看，以下图为例（就是假如是axis=0，那么看这个数据的方法是 [0、1、2]然后[1,2,3]之后[1,2,3]......。。axis=1的话就是[0,1,1,1,1]z之后[1,2,2,2,2]）
注：是个人理解，看看就好，我不太懂别误人子弟咯。
所以问题当中第一个列子 df.mean(axis=1)代表沿着列水平方向计算均值，而第二个列子df.drop(name, axis=1) 代表将name对应的列标签（们）沿着水平的方向依次删掉。
看如下代码：（来自：https://www.cnblogs.com/rrttp/p/8028421.html）
>>>df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]],
columns=["col1", "col2", "col3", "col4"])
>>>df
col1 col2 col3 col4
0 1 1 1 1
1 2 2 2 2
2 3 3 3 3
如果我们调用df.mean(axis=1),我们将得到按行计算的均值
>>> df.mean(axis=1)
0 1
1 2
2 3
然而，如果我们调用 df.drop((name, axis=1),我们实际上删掉了一列，而不是一行：
>>> df.drop("col4", axis=1)
col1 col2 col3
0 1 1 1
1 2 2 2
2 3 3
上方列出的博客写了一些跨行跨列的思想，我没看懂。。。
但是最后的几句话挺好：所以问题当中第一个列子 df.mean(axis=1)代表沿着列水平方向计算均值，而第二个列子df.drop(name, axis=1) 代表将name对应的列标签（们）沿着水平的方向依次删掉。
mean(axis=1)axis=1代表的就是看数据的方式，1代表是：第1轴沿着列的方向水平延伸（我上方举的例子：axis=1的话就是[0,1,1,1,1]之后看[1,2,2,2,2]）
drop(name, axis=1) axis=1还是代表是：第1轴沿着列的方向水平延伸，但是前边指定了name参数。col4它是一个列，沿着列的方向水平延伸，水平延伸的话还是这个col4这列，所以看中就只是沿着列了，那么删除的展现形式是删除了一列（将name对应的列标签（们）沿着水平的方向依次删掉）
Pandas的合并：
concat(axis=0),默认axis=0，向下合并
#定义资料集
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*2, columns=['a','b','c','d'])
#concat纵向合并
res = pd.concat([df1, df2, df3], axis=0)
#打印结果
print(res)
# a b c d
# 0 0.0 0.0 0.0 0.0
# 1 0.0 0.0 0.0 0.0
# 2 0.0 0.0 0.0 0.0
# 0 1.0 1.0 1.0 1.0
# 1 1.0 1.0 1.0 1.0
# 2 1.0 1.0 1.0 1.0
# 0 2.0 2.0 2.0 2.0
# 1 2.0 2.0 2.0 2.0
# 2 2.0 2.0 2.0 2.0
第0轴沿着行的垂直往下，那么就是向下加咯。
Numpy合并:(和pandas一样咯)
A = np.array([1,1,1])[:,np.newaxis]
B = np.array([2,2,2])[:,np.newaxis]
'''
[[1]
[1]
[1]]
[[2]
[2]
[2]]
'''
C = np.concatenate((A,B,B,A),axis=0)
print(C)
"""
array([[1],
[1],
[1],
[2],
[2],
[2],
[2],
[2],
[2],
[1],
[1],
[1]])
"""
D = np.concatenate((A,B,B,A),axis=1)
print(D)
"""
array([[1, 2, 2, 1],
[1, 2, 2, 1],
[1, 2, 2, 1]])
"""
个人对concat的axis理解：
axis=0：第0轴沿着行的垂直往下np.concatenate((A,B,B,A),axis=0)，那么就是先A，然后向下在连接B，依次向下连接B、A。
axis=1：第1轴沿着列的方向水平延伸，同理。
相关知识
机器学习笔记14
Python进行数据的排序和排名
python 和 MATLAB 都能绘制的母亲节花束！！
0 for key in range(label + 1)}
机器学习(深度学习）笔记
数据分析（Python）入门—鸢尾植物数据集处理
使用Python一步一步地来进行数据分析总结
python学习笔记(十六)文件操作
使用Python实现深度学习模型：智能农业病虫害检测与防治
鸢尾花数据分类，通过Python实现KNN分类算法。
网址: python的axis=0 or 1 ?(迷糊笔记) https://m.huajiangbk.com/newsview1141734.html
| 上一篇: Arbotix关节轨迹控制器的使 |
下一篇: steps |
