王子主页Python 是一种广泛使用的编程语言，尤其在数据科学和机器学习领域有着重要的地位。在处理数据时，经常需要对数组或矩阵进行各种操作，如求和、求平均值等。这些操作通常涉及到 axis 参数的使用。axis=0 和 axis=1 是两个常见的参数值，它们分别表示沿着数组的不同方向进行操作。本文将详细解释 axis=0 和 axis=1 的方向差异，帮助读者更好地理解和应用这些参数。
axis=0 和 axis=1 分别是 Pandas 中两个非常常见的参数。它们用于指定操作的方向，即按行还是按列进行操作。具体来说：
axis=0 表示按照行的方向（从上到下）进行操作，也就是对每一列进行操作。
axis=1 表示按照列的方向进行操作，也就是对每一行进行操作。
以下面的数据框为例：
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df)
输出：
1. axis=0
假设我们想要计算每一列的均值。这时候就需要用到 axis=0 参数。
mean_by_column = df.mean(axis=0) print(mean_by_column)
输出：
可以看到，mean() 方法默认按照 axis=0 方向计算每一列的均值。
2. axis=1
假设我们想要计算每一行的均值。这时候就需要用到 axis=1 参数。
mean_by_row = df.mean(axis=1) print(mean_by_row)
输出：
可以看到，mean() 方法按照 axis=1 方向计算每一行的均值。
附：axis=0 与 axis=1 的区分
官方帮助的解释：
轴用来为超过一维数组定义的属性，二维数据拥有两个轴：第0轴沿着行的方向垂直向下，第1轴沿着列的方向水平延申。
根据官方的说法，1表示横轴，方向从左到右；0表示纵轴，方向从上到下。当axis=1时，数组的变化是横向的，体现出列的增加或者减少。反之，当axis=0时，数组的变化是纵向的，体现出行的增加或减少。
下图为dataframe中axis为0和1时的图示：
实例：
df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]], columns=['col0','col1','col2','col3']) >>>df
df.mean(axis=1)
>>>
0 1.0
1 2.0
2 3.0
dtype: float64
df.mean(axis=0)
>>>
col0 2.0
col1 2.0
col2 2.0
col3 2.0
dtype: float64
df.drop('col2',axis=1)
>>>
df.drop(0,axis=0) >>>
用法：DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)
所以，axis的重点在于方向，而不是行和列，具体体现到各种用法也是如此。
总结
在 Pandas 中，许多方法都会有 axis 参数。这个参数用于指定操作的方向。需要根据具体需求选择合适的方向，才能得到正确的结果。通常来说，axis=0 表示对列进行操作，axis=1 表示对行进行操作。
通过本文的介绍，我们详细了解了 axis=0 和 axis=1 在 Python 数据操作中的方向差异。axis=0 表示沿着列的方向进行操作，而 axis=1 表示沿着行的方向进行操作。理解这两个参数的方向差异，对于正确地进行数据处理和分析至关重要。掌握这些知识，将有助于开发者编写更高效、准确的代码，提升数据处理的效率和质量。希望本文的内容对您有所帮助，让您在 Python 数据处理中更加得心应手。
