Comment fonctionne « Axe » dans Pandas : lignes et colonnes ?

Comprendre « l'Axe » chez Pandas

Lorsque vous travaillez avec Pandas, le concept « d'axe » joue un rôle crucial dans diverses opérations, notamment calculs statistiques comme la moyenne. Dans ce contexte, le paramètre axis précise la direction dans laquelle l'opération est effectuée.

Par défaut, la valeur de l'axe est 0, ce qui indique les opérations le long des lignes (index) du DataFrame. Cependant, on peut explicitement définir la valeur de l'axe sur 1 pour effectuer des opérations le long des colonnes.

Considérons l'exemple suivant :

<code class="python">import pandas as pd
import numpy as np

# Generate a DataFrame with random values
dff = pd.DataFrame(np.random.randn(1, 2), columns=list('AB'))

# Calculate the mean along each column
mean_columns = dff.mean(axis=1)</code>

Dans ce cas, spécifier axis=1 signifie que le La fonction moyenne calculera la valeur moyenne pour chaque colonne du DataFrame. Le résultat attendu serait :

0    1.074821
dtype: float64

Ceci est différent du résultat auquel vous pourriez vous attendre si vous aviez utilisé axis=0, qui aurait calculé la valeur moyenne pour chaque ligne, ce qui aurait donné le résultat suivant :

A    0.626386
B    1.523255
dtype: float64

Pour clarifier davantage, le paramètre axis dans Pandas s'aligne sur l'utilisation de axis dans la fonction moyenne de NumPy. Lorsque l'axe n'est pas explicitement spécifié dans la moyenne de NumPy, la valeur par défaut est Aucun, ce qui aplatit le tableau avant de calculer la moyenne. Par conséquent, spécifier axis=0 dans Pandas correspond au calcul de la moyenne le long des lignes (puisque l'index dans Pandas représente les lignes), tandis que spécifier axis=1 correspond au calcul de la moyenne le long des colonnes.

Pour plus de clarté , vous pouvez également utiliser axis='index' au lieu de axis=0 et axis='columns' au lieu de axis=1, ce qui indique explicitement sur quel axe l'opération est effectuée.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!