如何理解pandas库dataframe类型方法里面的axis参数？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

本文解读dataframe类型的各种方法里面的axis参数是什么意思，axis并不是属性，而是经常出现在各种函数方法里面的参数。其实，一句话总结本文的话，axis就是表述操作的是数据流的运动方向，axis=1为一列一列推进，axis=0为一行一行推进。

大家好，这里是苏南大叔的程序如此灵动博客，记录苏南大叔的代码编程感悟。本文描述dataframe的世界里面，axis究竟代表着什么意思。测试环境：python@3.11.0，win10。

方法综述

在前面的文章里面，对dataframe里面进行列删除或者列合并操作的时候，都曾经涉及到axis的概念。参考文章：

• https://newsn.net/say/dataframe-drop.html
• https://newsn.net/say/dataframe-concat.html

总的原则，是表述数据流推进的方向：

• axis=1还可以表述为：axis="columns"，数据流方向为一列一列（从左到右）推进。
• axis=0还可以表述为：axis="index"，数据流方向为一行一行（从上到下）推进。

为了更好的理解本文的内容，本文还增加了一个.sum()方法，作用是对某行或某列数据求和。本文共涉及三个方法：

范例数据

现在定义了两个dataframe数据，用于后续的演示：

import pandas as pd

df = pd.DataFrame(
    [[1, 2, 3], [3, 2, 1], [5, 6, 7]],
    columns=["col1", "col2", "col3"],
    index=["row1", "row2", "row3"],
)
print(df)

df2  = pd.DataFrame(
    [[0, 0, 0], [5, 5, 5], [9, 9, 9]],
    columns=["col1", "col2", "col3"],
    index=["row1", "row2", "row3"],
)
print(df2)

输出：

      col1  col2  col3
row1     1     2     3
row2     3     2     1
row3     5     6     7

      col1  col2  col3
row1     0     0     0
row2     5     5     5
row3     9     9     9

axis=1/axis="columns"，水平一列一列推进

axis=1/axis="columns"，数据流沿【水平方向】流动，从左到右一列一列推进。

• df.sum(axis=1)是针对每一行求和。
• df.drop(col, axis=1) 是去掉某一列(或某几列)数据。
• pd.concat([df, df2], axis=1)是叠加在右侧的。

测试代码之求每行的和：

print(df.sum(axis=1))

输出结果：

row1     6
row2     6
row3    18
dtype: int64

测试代码之删除某几列：

print(df.drop("col1", axis=1))
print(df.drop(["col1","col2"], axis="columns"))

输出结果：

        col2  col3
row1     2     3
row2     2     1
row3     6     7

      col3
row1     3
row2     1
row3     7

测试代码之合并到右侧：

print(pd.concat([df, df2], axis=1))

输出为：

      col1  col2  col3  col1  col2  col3
row1     1     2     3     0     0     0
row2     3     2     1     5     5     5
row3     5     6     7     9     9     9

axis=0/axis="index"，垂直一行一行推进

axis=0/axis="index"，数据流沿着【垂直方向】流动，所以：

• df.sum(axis=0) 是针对每一列求和。
• df.drop(index, axis=0) 是删除某一行（或某几行）数据。
• pd.concat([df, df2], axis=1)效果是叠加在底部的。

测试代码之求每列的和：

print(df.sum(axis=0))

输出结果：

col1     9
col2    10
col3    11
dtype: int64

测试代码之删除某几行：

print(df.drop("row1", axis=0))
print(df.drop(["row1","row2"], axis="index"))

输出结果：

      col1  col2  col3
row2     3     2     1
row3     5     6     7

      col1  col2  col3
row3     5     6     7

测试代码之合并到下方：

print(pd.concat([df, df2], axis=0))

输出为：

      col1  col2  col3
row1     1     2     3
row2     3     2     1
row3     5     6     7
row1     0     0     0
row2     5     5     5
row3     9     9     9

结束语

苏南大叔的更多python文章，请点击：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。