技術標籤：pythonpython

axis=0：資料在縱向發生變化；
axis=1：資料在橫向發生變化。

下面我們用python程式碼的方式更加直觀的瞭解axis=0和axis=1的區別。

import pandas as pd

data = pd.DataFrame(data=[['吳文化', '男', 100, 98, 85],
                          ['史珍香', '女', 66, 75, 72],
                          ['範建', '男', 77, 88, 100],
                          [
 
'胡說', '男', 80, 90, 86],
                          ['夏扯淡', '女', 76, 80, 96]],
                    columns=['name', 'gender', 'math', 'chinese', 'english'])
print(data)

上面程式碼的結果如下，這就是我們接下來要操作的資料：

  name gender  math  chinese  english
0  吳文化      男   100       98       85
1  史珍香      女    66       75       72
 

2   範建      男    77       88      100
3   胡說      男    80       90       86
4  夏扯淡      女    76       80       96

1）首先我們求一下每一科目的平均成績，每一科目的平均成績就是求科目列的平均值。求科目列的平均值時，我們會把多行壓縮成三行（因為有三個科目），這是屬於縱向的變化，所以應該指定axis=0。

# 每一科目的平均成績
avg_subject = data[['math', 'chinese', 'english']].mean(axis=0)
print(avg_subject)

# 下面是執行結果
 

math       79.8
chinese    86.2
english    87.8

2）然後我們求一下每個同學的平均成績。每一個同學的平均成績，會把科目所在的三個列壓縮成一個列，屬於橫向的變化，所以應該指定axis=1。

avg_score = data[['math', 'chinese', 'english']].mean(axis=1)
print(avg_score)

# 下面是執行結果
0    94.333333
1    71.000000
2    88.333333
3    85.333333
4    84.000000

3）接下來我們看一下刪除行或者列。
刪除math列，因為列減少了，相當於人瘦了，橫向上發生了變化。所以我們要指定axis=1。

data.drop(labels='math', inplace=True, axis=1)
print(data)

# 下面是執行結果
 name gender  chinese  english
0  吳文化      男       98       85
1  史珍香      女       75       72
2   範建      男       88      100
3   胡說      男       90       86
4  夏扯淡      女       80       96

4）最後我們看一下刪除指定行。因為刪除了行，相當於人變矮了，縱向發生了變化。所以指定axis=0。

data.drop(index=0, inplace=True, axis=0)
print(data)

# 下面是執行結果
  name gender  chinese  english
1  史珍香      女       75       72
2   範建      男       88      100
3   胡說      男       90       86
4  夏扯淡      女       80       96