Pandas 中 axis 的含義

Pandas 中 axis 的含義

本教程解釋了在 DataFrames 和 Series 等 Pandas 物件的各種方法中使用的 axis 引數的含義。

import pandas as pd

empl_df = pd.DataFrame({
    'Name': ["Jon", "Willy", "Mike", "Luna", "Sam", "Aliza"],
    'Age': [30, 33, 35, 30, 30, 31],
    'Weight(KG)': [75, 75, 80, 70, 73, 70],
    'Height(meters)': [1.7, 1.7, 1.85, 1.75, 1.8, 1.75],
    'Salary($)': [3300, 3500, 4000, 3050, 3500, 3700]

})

print(empl_df)

輸出:

    Name  Age  Weight(KG)  Height(meters)  Salary($)
0    Jon   30          75            1.70       3300
1  Willy   33          75            1.70       3500
2   Mike   35          80            1.85       4000
3   Luna   30          70            1.75       3050
4    Sam   30          73            1.80       3500
5  Aliza   31          70            1.75       3700

我們使用 DataFrame empl_df 來解釋如何在 Pandas 方法中使用 axis 引數。

在 Pandas 方法中使用 axis 引數

axis 引數指定在 DataFrame 中應用特定方法或函式的方向。axis=0 代表函式是列式應用,axis=1 表示函式是行式應用在 DataFrame 上。

如果我們按列應用函式,我們將得到一個單行的結果;如果按行應用函式,我們將得到一個單列的 DataFrame。

示例:在 Pandas 方法中使用 axis=0

import pandas as pd

empl_df = pd.DataFrame({
    'Name': ["Jon", "Willy", "Mike", "Luna", "Sam", "Aliza"],
    'Age': [30, 33, 35, 30, 30, 31],
    'Weight(KG)': [75, 75, 80, 70, 73, 70],
    'Height(meters)': [1.7, 1.7, 1.85, 1.75, 1.8, 1.75],
    'Salary($)': [3300, 3500, 4000, 3050, 3500, 3700]

})
print("The Employee DataFrame is:")
print(empl_df,"\n")

print("The DataFrame with mean values of each column is:")
print(empl_df.mean(axis=0))

輸出:

The Employee DataFrame is:
    Name  Age  Weight(KG)  Height(meters)  Salary($)
0    Jon   30          75            1.70       3300
1  Willy   33          75            1.70       3500
2   Mike   35          80            1.85       4000
3   Luna   30          70            1.75       3050
4    Sam   30          73            1.80       3500
5  Aliza   31          70            1.75       3700

The DataFrame with mean values of each column is:
Age                 31.500000
Weight(KG)          73.833333
Height(meters)       1.758333
Salary($)         3508.333333
dtype: float64

它計算 DataFrame empl_df 的按列平均值。平均值只計算有數值的列。

如果我們設定 axis=0,它將通過對該列的行值進行平均來計算每列的平均值。

例子在 Pandas 方法中使用 axis=1

import pandas as pd

empl_df = pd.DataFrame({
    'Name': ["Jon", "Willy", "Mike", "Luna", "Sam", "Aliza"],
    'Age': [30, 33, 35, 30, 30, 31],
    'Weight(KG)': [75, 75, 80, 70, 73, 70],
    'Height(meters)': [1.7, 1.7, 1.85, 1.75, 1.8, 1.75],
    'Salary($)': [3300, 3500, 4000, 3050, 3500, 3700]

})
print("The Employee DataFrame is:")
print(empl_df,"\n")

print("The DataFrame with mean values of each row is:")
print(empl_df.mean(axis=1))

輸出:

The Employee DataFrame is:
    Name  Age  Weight(KG)  Height(meters)  Salary($)
0    Jon   30          75            1.70       3300
1  Willy   33          75            1.70       3500
2   Mike   35          80            1.85       4000
3   Luna   30          70            1.75       3050
4    Sam   30          73            1.80       3500
5  Aliza   31          70            1.75       3700

The DataFrame with mean values of each row is:
0     851.6750
1     902.4250
2    1029.2125
3     787.9375
4     901.2000
5     950.6875
dtype: float64

它計算 DataFrame empl_df 的行平均值,換句話說,它將計算每行的平均值,通過對該行的數值型別的列值進行平均。我們將在最後得到一個單列的每行平均值。

Author: Suraj Joshi
Suraj Joshi avatar Suraj Joshi avatar

Suraj Joshi is a backend software engineer at Matrice.ai.

LinkedIn

相關文章 - Pandas DataFrame Row

  • 如何獲取 Pandas DataFrame 的行數
  • 如何對 Pandas 中的 DataFrame 行隨機排序
  • 如何根據 Pandas 中的列值過濾 DataFrame 行
  • 如何在 Pandas 中遍歷 DataFrame 的行
  • Pandas 中如何獲取特定列滿足給定條件的所有行的索引
  • Pandas DataFrame 刪除某行
  • 相關文章 - Pandas DataFrame Column

  • 如何將 Pandas DataFrame 列標題獲取為列表
  • 如何刪除 Pandas DataFrame 列
  • 如何在 Pandas 中將 DataFrame 列轉換為日期時間
  • 如何獲得 Pandas 列中元素總和
  • 如何更改 Panas DataFrame 列的順序
  • 如何在 Pandas 中將 DataFrame 列轉換為字串