NumPy_Pandas_apply关于axis参数的知识点

目录

前言

一、NumPy 中的 axis

知识点

示例

二、Pandas DataFrame 中的 axis

知识点

示例

三、apply 函数中的 axis

知识点

示例

四、总结对比

五、实际应用示例

1. 计算每列的最大值

2. 计算每行的平均值

3. 使用 NumPy 的函数

前言

        在 NumPy、Pandas 和 apply 函数中，axis 参数用于指定操作的方向。

一、NumPy 中的 axis

知识点

    在 NumPy 中，axis 用于定义数组的操作方向：

• axis=0：沿着行（垂直方向）操作，即对每一列执行操作
• axis=1：沿着列（水平方向）操作，即对每一行执行操作

示例

import numpy as np

arr = np.array([[1, 2], [3, 4]])

# 沿着 axis=0 求和
np.sum(arr, axis=0)  # 输出: array([4, 6]) → 对每列求和

# 沿着 axis=1 求和
np.sum(arr, axis=1)  # 输出: array([3, 7]) → 对每行求和

二、Pandas DataFrame 中的 axis

知识点

    在 Pandas 中，axis 的含义与 NumPy 类似，但更直观：

• axis=0 或 'index'：表示按行操作（即针对每一列执行操作）
• axis=1 或 'columns'：表示按列操作（即针对每一行执行操作）

示例

import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

# 沿着 axis=0 求和
df.sum(axis=0)  # 输出: A    3, B    7 → 对每列求和

# 沿着 axis=1 求和
df.sum(axis=1)  # 输出: 0    4, 1    6 → 对每行求和

三、apply 函数中的 axis

知识点

    apply 是 Pandas 提供的一个非常强大的函数，允许用户对 DataFrame 或 Series 应用自定义函数。axis 参数决定了函数是应用于行还是列：

• axis=0 或 'index'：默认值，函数会被应用到每一列上
• axis=1 或 'columns'：函数会被应用到每一行上

示例

def my_func(x):
    return x.max() - x.min()

# 默认 axis=0 → 对每列应用函数
df.apply(my_func)

# 设置 axis=1 → 对每行应用函数
df.apply(my_func, axis=1)

四、总结对比

五、实际应用示例

1. 计算每列的最大值

df.apply(lambda x: x.max())  # axis=0，默认行为

2. 计算每行的平均值

df.apply(lambda x: x.mean(), axis=1)

3. 使用 NumPy 的函数

np.mean(df, axis=0)  # 计算每列的均值
np.mean(df, axis=1)  # 计算每行的均值