关于 Numpy和Pandas axis的理解
关于 Numpy和Pandas axis的理解
先知
- 维度
在理解axis之前，我们应该理解维度的含义：通常的理解是：“点是0维、直线是1维、平面是2维、体是3维”。在机器学习中我们常常处理几十维的数据，对于机器学习常用的Numpy库，当我们赋予二维数组每一行一个值的时候，那么此时二维数组的列数就是多维空间的维度。每一行给的值通常是我们的样本值，它也是损失函数准确度的一个依据。
# 构造数组，该行列式给予样本值将变为4维空间
two = np.arange(9).reshape(3,3)
two
-------------
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
# 查看维度
two.ndim
-------------
2- axis
那么问题了，我们应该怎么理解Numpy和Pandas(axis概念全部继承于Numpy)，当一个数组上升到二维我们需要考虑是对行操作还是对列操作，那么如果上升为3维数组呢，没错，还会多出来一个axis:2。 到这里你应该明白，axis其实就是对数组层数的操作，ndim是几，那么对应的axis就有几个，下面看一张图，或许你就会明白。
操作
- 通俗理解（二维数组）
当axis=0的时候，即对第一层进行操作，此时Numpy只对第一层内的数组进行操作，即axis执行方向从上到下； 当axis=1的时候，即对第二层进行操作，此时Numpy只对第二层内的数组进行操作，即axis执行方向从左到右。
- 再次理解
看下面的图，这里的理解是，当axis=0的时候，从上到下以列为整体；当axis=1的时候，从左往右以行为整体。
特殊
- Dataframe
下面我们再次对其理解，看下图的红线部分axis=1，此时我们可以理解为当axis=1的时候是把列作为整体进行操作的，而当 axis=0也就是红线部分，我们把其看作是以行为整体操作的，numpy默认为行，因为这样保证数据的原始性。
- drop
这个可以认为是特殊的，但记住一点当axis=0的时候是从上往下的，dorp指出了要删除iloc为1的行，那么此时便会从上往下进行删除，即以列为单位删除整行； 同理axis=1,从左往右推荐，当column='C'的满足条件，整列删除。
总结
说了这么多，你要记住的就是，axis=0的时候一定是从上往下的；axis=1的时候肯定是从左往右。
参考文档
腾讯云开发者
