Pandas数据框和Numpy数组中“axis”定义的歧义

Question

我一直很困惑Python中轴的定义，它们是否指的是数据框的行或列。请看下面的代码：

>>> 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

因此，如果我们调用df.mean(axis=1)，我们将得到跨行的平均值：

>>> df.mean(axis=1)
0    1
1    2
2    3

然而，如果我们调用df.drop(name, axis=1)，实际上我们删除的是列，而不是行：

>>> df.drop("col4", axis=1)
   col1  col2  col3
0     1     1     1
1     2     2     2
2     3     3     3

请问在pandas/numpy/scipy中，“axis”是什么意思？

另外一件事，DataFrame.mean可能被定义错误了。文档中说 DataFrame.mean 中的 axis=1应该表示计算列的平均值而不是行的平均值...

- hlin117

---

有关别名的详细解释，请参见下面的答案，其中包括“columns”、“index”和“rows”。点击此处查看。 - Ted Petrou

这很奇怪。坐标轴应该在“mean”和“drop”中保持一致。需要非线性思维才能到达实际的行为。 - WestCoastProjects

Answer 1

最简单的记忆方式是将其记为0=向下和1=横向。

这意味着：

• 使用axis=0沿每列或行标签（索引）向下应用方法。
• 使用axis=1沿每行或列标签横向应用方法。

以下图片显示了DataFrame的每个轴所指的部分：

还有一点需要记住的是，Pandas遵循NumPy对单词axis的使用。其用法在NumPy的术语表中有解释：

对于具有多个维度的数组，定义了轴。一个二维数组有两个相应的轴：第一个沿着行向下垂直运行（轴0），第二个沿着列水平运行（轴1）。[我强调的]

因此，关于问题中的方法df.mean(axis=1)，似乎已经正确定义。它沿着每个单独的行计算条目横跨列的平均值。另一方面，df.mean(axis=0)将是一个在垂直方向上沿着行操作的过程。

同样，df.drop(name, axis=1)涉及到对列标签的操作，因为它们直观地沿着水平轴走。指定axis=0会使该方法作用于行而不是列。

- Alex Riley

---

我曾经遇到的困难是，df.apply(..., axis=0) 并没有覆盖轴 0（索引），而是覆盖了列，并返回包含所有索引的序列。 关键在于，df.apply(..., axis=0) 返回一个序列，所以您可以应用操作来覆盖整个索引。 - moritzschaefer

如果你将df.apply视为类似于df.sum这样的方法，也可以帮助理解。例如，df.sum(axis=0)对DataFrame的每一列进行求和。同样地，您可以编写df.apply(sum, axis=0)来执行完全相同的操作。虽然在DataFrame中的确对每一列应用了操作，但实际函数是沿着轴0运行的。 - Alex Riley

很不幸，命名和顺序约定与 R 的 apply 函数 正好相反 -- 在 R 中，较小的 MARGIN 值（类似于 pandas 中的 axis）为 "1" 对应于 "行"，这意味着该函数被应用于每一行，而较大的值 "2" 则指 "列"，这意味着该函数被应用于每一列。 - Keith Hughitt

这是Pandas中的一个破坏性错误。 - AbstProcDo

Answer 2

这里已经有正确的答案，但我会给你另一个超过2维度的例子。

参数axis表示将被改变的轴。
例如，考虑有一个维度为a x b x c的数据框。

• df.mean(axis=1)返回一个维度为a x 1 x c的数据框。
• df.drop("col4", axis=1)返回一个维度为a x (b-1) x c的数据框。

在这里，axis=1表示第二个轴即b，所以在这些例子中将更改b的值。

- jeongmin.cha

---

这个答案对我来说比我在这个主题上看到的任何可视化更直观。然而，xarray比pandas更适合多维数组。 - alys

最佳答案。同时，无需涉及3D，您也可以对2D数据框进行说明。 - user41855

Answer 3

另一种解释方式：

// Not realistic but ideal for understanding the axis parameter 
df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]],
                  columns=["idx1", "idx2", "idx3", "idx4"],
                  index=["idx1", "idx2", "idx3"]
                 )

---------------------------------------1
|          idx1  idx2  idx3  idx4
|    idx1     1     1     1     1
|    idx2     2     2     2     2
|    idx3     3     3     3     3
0

关于 df.drop (axis 表示位置)

A: I wanna remove idx3.
B: **Which one**? // typing while waiting response: df.drop("idx3",
A: The one which is on axis 1
B: OK then it is >> df.drop("idx3", axis=1)

// Result
---------------------------------------1
|          idx1  idx2     idx4
|    idx1     1     1     1
|    idx2     2     2     2
|    idx3     3     3     3
0

关于 df.apply（轴的意思是方向）

A: I wanna apply sum.
B: Which direction? // typing while waiting response: df.apply(lambda x: x.sum(),
A: The one which is on *parallel to axis 0*
B: OK then it is >> df.apply(lambda x: x.sum(), axis=0)

// Result
idx1    6
idx2    6
idx3    6
idx4    6

- o0omycomputero0o

---

"你不觉得，轴1和平行于轴0意思一样吗？" - Nuance

Answer 4

更广泛地知道字符串别名'index'和'columns'可以代替整数0/1是非常重要的，这些别名更明确，有助于记住计算过程。'index'的另一个别名是'rows'。

当使用axis ='index'时，计算发生在列中，这很令人困惑。但是，我记得它会得到与另一行大小相同的结果。

让我们在屏幕上获取一些数据，以了解我所说的内容：

df = pd.DataFrame(np.random.rand(10, 4), columns=list('abcd'))
          a         b         c         d
0  0.990730  0.567822  0.318174  0.122410
1  0.144962  0.718574  0.580569  0.582278
2  0.477151  0.907692  0.186276  0.342724
3  0.561043  0.122771  0.206819  0.904330
4  0.427413  0.186807  0.870504  0.878632
5  0.795392  0.658958  0.666026  0.262191
6  0.831404  0.011082  0.299811  0.906880
7  0.749729  0.564900  0.181627  0.211961
8  0.528308  0.394107  0.734904  0.961356
9  0.120508  0.656848  0.055749  0.290897

当我们想要取所有列的平均值时，使用axis ='index'，结果如下：

df.mean(axis='index')
a    0.562664
b    0.478956
c    0.410046
d    0.546366
dtype: float64

同样的结果也可以通过以下方式得到：

df.mean() # default is axis=0
df.mean(axis=0)
df.mean(axis='rows')

如果希望在行上从左到右执行操作，则使用axis='columns'。我记得这个方法是通过想象一个额外的列可能会被添加到我的DataFrame中:

df.mean(axis='columns')
0    0.499784
1    0.506596
2    0.478461
3    0.448741
4    0.590839
5    0.595642
6    0.512294
7    0.427054
8    0.654669
9    0.281000
dtype: float64

同样的结果也可以通过以下方式获得：

df.mean(axis=1)

---

使用axis=0/index/rows添加新行

让我们利用这些结果添加额外的行或列来完善说明。因此，每当使用axis = 0/index/rows时，就像得到DataFrame的新行一样。我们来添加一行:

df.append(df.mean(axis='rows'), ignore_index=True)

           a         b         c         d
0   0.990730  0.567822  0.318174  0.122410
1   0.144962  0.718574  0.580569  0.582278
2   0.477151  0.907692  0.186276  0.342724
3   0.561043  0.122771  0.206819  0.904330
4   0.427413  0.186807  0.870504  0.878632
5   0.795392  0.658958  0.666026  0.262191
6   0.831404  0.011082  0.299811  0.906880
7   0.749729  0.564900  0.181627  0.211961
8   0.528308  0.394107  0.734904  0.961356
9   0.120508  0.656848  0.055749  0.290897
10  0.562664  0.478956  0.410046  0.546366

---

使用axis=1/columns添加新列

同样地，当axis=1/columns时，它将创建易于转换为自己的列的数据：

df.assign(e=df.mean(axis='columns'))

          a         b         c         d         e
0  0.990730  0.567822  0.318174  0.122410  0.499784
1  0.144962  0.718574  0.580569  0.582278  0.506596
2  0.477151  0.907692  0.186276  0.342724  0.478461
3  0.561043  0.122771  0.206819  0.904330  0.448741
4  0.427413  0.186807  0.870504  0.878632  0.590839
5  0.795392  0.658958  0.666026  0.262191  0.595642
6  0.831404  0.011082  0.299811  0.906880  0.512294
7  0.749729  0.564900  0.181627  0.211961  0.427054
8  0.528308  0.394107  0.734904  0.961356  0.654669
9  0.120508  0.656848  0.055749  0.290897  0.281000

看起来你可以通过以下私有变量查看所有别名：

df._AXIS_ALIASES
{'rows': 0}

df._AXIS_NUMBERS
{'columns': 1, 'index': 0}

df._AXIS_NAMES
{0: 'index', 1: 'columns'}

- Ted Petrou

---

有趣的是，第一轴数字有别名，尽管它们更明确，但并不经常使用。谁能想象在学校被告知“这是一张表格，请尝试沿着轴0计算总和”而不是“尝试按列获取总和”（或在Pandas中沿着'index'进行）呢？ - mins

Answer 5

当axis='rows'或axis=0时，它意味着沿着行方向访问元素，从上到下。如果沿axis=0应用sum，它将给出每列的总数。

当axis='columns'或axis=1时，它意味着沿着列方向访问元素，从左到右。如果沿axis=1应用sum，我们将得到每行的总数。

仍然困惑！但上面的内容让我感觉更容易理解一些。

"Original Answer" 翻译成 "最初的回答"

- newbie

Answer 6

我认为需要找到一种统一的方式来描述它。 我认为记住它有两个步骤：

1. 记住轴 = 1 表示左右，轴 = 0 表示上下；你需要一些时间来记住它，我们无法帮助你在这方面。 2. 记住在进行计算（如 np.mean,np.max）时，轴表示沿着那个方向进行计算（所以轴 = 1 表示从左到右进行计算），而在进行索引或搜索时，轴表示你沿着那个方向进行搜索（所以 df.drop('name',axis =1) 表示你从左到右搜索找到代表 'name' 的内容，显然它应该是列名而不是行索引）。

- cloudscomputes

Answer 7

我记得通过维度的变化，如果axis=0，则行改变，列不变，如果axis=1，则列改变，行不变。

- telecomshy