python中axis的理解

简介：

在python中numpy和pandas对于axis的操作方式看上去似乎是矛盾的？也许需要换个角度理解了！

问题的引出

• 在使用numpy中的np.mean(axis = 1)的时候，计算结果是按照行计算的平均值，如下图所示：

• 在使用pandas中的pd.drop(axis = 1)时，丢弃的是某一列的值，如下图所示：

• 同样是axis为1，为什么操作不一样？

问题的理解

以前学习到这里似乎是强行记忆的，axis为0的时候是按照列来进行计算，axis为1是按照行来计算，直到出现上述矛盾。

其实并不能这样理解，我们应该把axis等于0看成index，axis为1看成column，如下图所示：

row0-row2是索引值index，col0-col4是列值column，axis=0表示按照index进行操作，axis=1表示按照column进行操作。

说完这个之后开始理解上面的问题：

• 在pandas中，df.drop(axis = 1)表示对column进行操作，也就是丢掉某一列，这个没问题

• 在numpy中，a.mean(axis = 1)也是表示对column进行操作，但是这里因为是求平均值，所以是对所有的列进行平均值求取，因此我们看到的结果是每一行的平均值

• 上述两者的区别是pandas的drop是单项column操作，numpy的mean是多个column操作，因此表现出按行取平均值的结果