发布于2020-02-24 23:43 阅读(1126) 评论(0) 点赞(28) 收藏(0)
官方帮助的解释:
轴用来为超过一维数组定义的属性,二维数据拥有两个轴:第0轴沿着行的方向垂直向下,第1轴沿着列的方向水平延申。
简单来说,0表示纵轴,方向从上到下;1表示横轴,方向从左到右。当axis=0时,数组的变化是纵向的,体现出行的增加或减少。反之,当axis=1时,数组的变化是横向的,体现出列的增加或者减少。
import pandas as pd
import numpy as np
df = pd.DataFrame([[1,1,1,1],[2,2,2,2],[3,3,3,3]],columns=['co1','co2','co3','co4'])
df
>>>
co1 co2 co3 co4
0 1 1 1 1
1 2 2 2 2
2 3 3 3 3
#axis=0 对df的纵轴进行计算
df.mean(axis=0)
>>>
co1 2.0
co2 2.0
co3 2.0
co4 2.0
dtype: float64
#axis=0 对df的横轴进行计算
df.mean(axis=1)
>>>
0 1.0
1 2.0
2 3.0
dtype: float64
#创建另一矩阵
df1 = pd.DataFrame([[3,3,3],[2,2,2],[1,1,1]],columns=['nco1','nco2','nco3'])
df1
>>>
nco1 nco2 nco3
0 3 3 3
1 2 2 2
2 1 1 1
#使用pd.concat将两矩阵进行连接,方向为axis=1
df_merge = pd.concat((df,df1),axis=1)
df_merge
>>>
co1 co2 co3 co4 nco1 nco2 nco3
0 1 1 1 1 3 3 3
1 2 2 2 2 2 2 2
2 3 3 3 3 1 1 1
df_na = pd.DataFrame(np.random.randn(6, 4), columns=['col1', 'col2', 'col3', 'col4']) # 生成一份数据
df_na.iloc[1:2, 1] = np.nan # 增加缺失值
df_na.iloc[4, 3] = np.nan # 增加缺失值
df_na
>>>
col1 col2 col3 col4
0 -0.479080 1.347918 1.077663 -1.419871
1 -0.428340 NaN -1.002474 -0.182926
2 -1.951236 -0.906273 1.020092 1.803129
3 1.331986 0.704459 -1.181336 -0.940198
4 -1.318393 1.028826 0.216616 NaN
5 -0.845054 0.881395 0.927703 0.267753
#使用isnull().any(axis=0)判断缺失值,且判断每一列是否有缺失值
df_na.isnull().any(axis=0)
>>>
col1 False
col2 True
col3 False
col4 True
dtype: bool
#使用isnull().any(axis=1)判断缺失值,且判断每一行是否有缺失值
df_na.isnull().any(axis=1)
>>>
0 False
1 True
2 False
3 False
4 True
5 False
dtype: bool
作者:what
链接:https://www.pythonheidong.com/blog/article/232840/3c867814f3b25f1e757b/
来源:python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容:(最多支持255个字符)
---无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事,而不是让内心的烦躁、焦虑,坏掉你本来就不多的热情和定力
Copyright © 2018-2021 python黑洞网 All Rights Reserved 版权所有,并保留所有权利。 京ICP备18063182号-1
投诉与举报,广告合作请联系vgs_info@163.com或QQ3083709327
免责声明:网站文章均由用户上传,仅供读者学习交流使用,禁止用做商业用途。若文章涉及色情,反动,侵权等违法信息,请向我们举报,一经核实我们会立即删除!