小白都能看懂的numpy与pandas中axis解释

最新推荐文章于 2024-09-18 20:53:45 发布

bitcarmanlee

最新推荐文章于 2024-09-18 20:53:45 发布

阅读量783

点赞数 3

CC 4.0 BY-SA版权

分类专栏：小白都能看懂算法系列文章标签： numpy pandas axis 行列 python

本文链接：https://blog.youkuaiyun.com/bitcarmanlee/article/details/105582227

17 篇文章

订阅专栏

本文详细解析了在numpy和pandas中axis参数的工作原理，通过二维和多维数据集的实例，阐述了如何沿不同轴方向进行操作，如求平均值、删除列等，帮助读者从新的角度理解这一关键概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目github地址：bitcarmanlee easy-algorithm-interview-and-practice
欢迎大家star，留言，一起学习进步

在numpy与pandas，以及各种涉及到数值计算的类库中，都会有axis这个参数。这个参数非常重要，初学者理解起来比较困难，如果按二维矩阵中行列的概念去理解会比较难理解。今天咱们用另外一种角度去理解axis参数，比较清晰更容易理解。

先看一个例子

data = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]], columns=['c1', 'c2', 'c3', 'c4'], dtype=int)

这个dataframe为

   c1  c2  c3  c4
0   1   1   1   1
1   2   2   2   2
2   3   3   3   3

print data.mean(axis=0)

沿着axis=0的方向求平均值，最终的结果是

c1    2.0
c2    2.0
c3    2.0
c4    2.0

如果沿着axis=1的方向球平均值，最终结果为

0    1.0
1    2.0
2    3.0

原始数组的维度为3*4。axis=0，相当于是拿掉外层的括号，消灭了"行"的维度，然后对第一列，第二列，第三列，第四列各自求平均。最后求平均值的结果就是消灭了最外层的维度，也就是3这个维度，剩下的结果是一个4维的向量。

同理，如果 axis=1，相当于拿掉的是里层的括号，消灭了"列"的维度，然后对每一行各自求平均。最后的结果就是消灭了里层的维度，也就是4这个维度，剩下的结果是一个3维的向量。

print data.drop('c4', axis=1)

上面drop的逻辑，同理是沿着内层的括号进行操作。最终是内层的维度被drop掉了一列，得到一个3*3的矩阵，结果如下

   c1  c2  c3
0   1   1   1
1   2   2   2
2   3   3   3

再看一个多维的情况

data = np.arange(24).reshape(2, 3, 4)

[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]

这个多维数组的维度是 $2 * 3 * 4$ ，同样我们来做一下求平均操作

print data.mean(axis=0)

按照上面的理解， axis=0是最外层的括号。最终得到的结果维度为3*4。

[[ 6.  7.  8.  9.]
 [10. 11. 12. 13.]
 [14. 15. 16. 17.]]

具体的计算逻辑为：我们要消灭的维度为2，所以参与计算的元素是两个，比如6这个值，是0与12求平均的结果，结果矩阵b中b[0][0]是a[0][0][0]与a[1][0][0]求平均的结果！

print data.mean(axis=1)

要消灭的维度为3，参与计算的元素是3个，最后的结果是2*4。

[[ 4.  5.  6.  7.]
 [16. 17. 18. 19.]]

结果矩阵b[0][0]是a[0][0][0]+a[0][1][0]+a[0][2][0]平均的结果

print data.mean(axis=2)

结果如下

[[ 1.5  5.5  9.5]
 [13.5 17.5 21.5]]

具体分析过程与前面类似，就不再重复。