pandas axis=1详解|极客教程

pandas axis=1详解

在使用pandas库进行数据处理时，经常会接触到axis参数。在这里，我们着重详解axis=1的用法和含义。

什么是axis？

在pandas中，axis是一个用来指定操作方向的参数。在DataFrame中，有两个轴：axis=0代表沿着行的方向进行操作，而axis=1代表沿着列的方向进行操作。这里要注意的是，虽然我们常说列是垂直方向，行是水平方向，但在pandas中这样定义是反过来的，这也是为了和numpy等其他库对齐。

axis=1的用法

在pandas中，axis=1通常用在一些涉及到对列进行操作的函数中，比如对列求和、对列进行计算、对列进行筛选等等。下面我们来看一些常见的用法。

对列求和

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
}

df = pd.DataFrame(data)

sum_result = df.sum(axis=1)

print(sum_result)

上面的代码中，我们创建了一个DataFrame，然后使用sum函数对列进行求和，指定axis=1。这样就会对每一行的所有列进行求和，最终得到的结果是每一行的和。

对列进行计算

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
}

df1 = pd.DataFrame(data)

df2 = pd.DataFrame({
    'C': [9, 10, 11, 12]
})

df_result = pd.concat([df1, df2], axis=1)

print(df_result)

在这个示例中，我们创建了两个DataFrame，然后使用concat函数将它们按列进行拼接，指定axis=1。这样就会将df2的列加在df1的列后面。

对列进行筛选

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
}

df = pd.DataFrame(data)

df_filtered = df[df['A'] > 2]

print(df_filtered)