Co oznacza oś w pandach?

Oto mój kod do generowania ramki danych:

import pandas as pd
import numpy as np

dff = pd.DataFrame(np.random.randn(1,2),columns=list('AB'))

potem dostałem ramkę danych:

+------------+---------+--------+
|            |  A      |  B     |
+------------+---------+---------
|      0     | 0.626386| 1.52325|
+------------+---------+--------+

Kiedy wpisuję polecenie:

dff.mean(axis=1)

Mam :

0    1.074821
dtype: float64

Zgodnie z odniesieniem do pand, oś = 1 oznacza kolumny i oczekuję, że wynik polecenia będzie

A    0.626386
B    1.523255
dtype: float64

Oto moje pytanie: co oznacza oś w pandach?

Określa oś, wzdłuż której obliczane są średnie. Domyślnie axis=0. Jest to zgodne z numpy.meanużyciem, gdy axisjest jawnie określone (w numpy.mean, oś == Brak domyślnie, co oblicza średnią wartość ponad spłaszczoną tablicę), w której axis=0wzdłuż wierszy (mianowicie indeks w pandach) i axis=1wzdłuż kolumn . Dla większej przejrzystości można wybrać opcję axis='index'(zamiast axis=0) lub axis='columns'(zamiast axis=1).

+------------+---------+--------+
|            |  A      |  B     |
+------------+---------+---------
|      0     | 0.626386| 1.52325|----axis=1----->
+------------+---------+--------+
             |         |
             | axis=0  |
             ↓         ↓

Odpowiedzi te pomagają to wyjaśnić, ale wciąż nie są całkowicie intuicyjne dla osób niebędących programistami (tj. Dla kogoś takiego jak ja, który uczy się języka Python po raz pierwszy w kontekście zajęć z nauki o danych). Nadal uważam, że używanie terminów „wzdłuż” lub „dla każdego” wrt do wierszy i kolumn jest mylące.

Bardziej sensowne jest dla mnie powiedzenie tego w ten sposób:

• Oś 0 będzie działać na wszystkie RZĘDY w każdej KOLUMNIE
• Oś 1 będzie działać na wszystkie KOLUMNY w każdym rzędzie

Tak więc średnia na osi 0 będzie średnią wszystkich wierszy w każdej kolumnie, a średnia na osi 1 będzie średnią wszystkich kolumn w każdym rzędzie.

Ostatecznie mówi to to samo, co @zhangxaochen i @Michael, ale w sposób łatwiejszy do internalizacji.

Wizualizujmy (zawsze będziesz pamiętać),

W pandach:

1. oś = 0 oznacza wzdłuż „indeksów”. To operacja rzędowa .

Załóżmy, że aby wykonać operację concat () na ramce danych 1 i ramce danych 2, weźmiemy ramkę danych 1 i wyjmujemy 1 wiersz z ramki danych 1 i umieszczamy w nowym DF, a następnie wyjmujemy kolejny wiersz z ramki danych 1 i umieszczamy w nowym DF, powtarzamy ten proces do dochodzimy do dolnej krawędzi ramki danych 1. Następnie wykonujemy ten sam proces dla dataframe2.

Zasadniczo układanie ramek danych 2 na ramce danych 1 lub odwrotnie.

Na przykład robienie stosu książek na stole lub podłodze

2. oś = 1 oznacza wzdłuż „kolumn”. To operacja kolumnowa.

Załóżmy, że aby wykonać operację concat () na ramce danych 1 i ramce danych 2, wyjmujemy pierwszą pełną kolumnę (zwaną także pierwszą serią) ramki danych 1 i umieszczamy w nowym DF, a następnie wyjmujemy drugą kolumnę ramki danych 1 i trzymamy się obok niej (bokiem) ) , musimy powtarzać tę operację, aż wszystkie kolumny zostaną zakończone. Następnie powtarzamy ten sam proces na ramce danych2. Zasadniczo układanie ramek danych 2 w bok.

Np. Układanie książek na półce.

Co więcej, ponieważ tablice są lepszymi reprezentacjami do reprezentowania zagnieżdżonej struktury n-wymiarowej w porównaniu do macierzy! dlatego poniżej możesz lepiej zobrazować, w jaki sposób oś odgrywa ważną rolę, gdy uogólniasz na więcej niż jeden wymiar. Ponadto możesz faktycznie drukować / pisać / rysować / wizualizować dowolną tablicę n-dim, ale pisanie lub wizualizowanie jej w postaci macierzy (3-dim) jest niemożliwe na papierze o więcej niż 3-wymiarach.

axisodnosi się do wymiaru tablicy, w przypadku pd.DataFrames axis=0jest to wymiar skierowany w dół i axis=1ten, który wskazuje w prawo.

Przykład: Pomyśl ndarrayo kształcie z (3,5,7).

a = np.ones((3,5,7))

ajest trójwymiarowy ndarray, tzn. ma 3 osie („osie” jest w liczbie mnogiej „oś”). Konfiguracja abędzie wyglądać jak 3 kromki chleba, przy czym każdy kromka ma wymiar 5 na 7. a[0,:,:]będzie odnosić się do 0-tego wycinka, a[1,:,:]będzie odnosić się do pierwszego wycinka itp.

a.sum(axis=0)będzie stosowany sum()wzdłuż osi 0 a. Dodacie wszystkie plastry i otrzymacie jeden plasterek kształtu (5,7).

a.sum(axis=0) jest równa

b = np.zeros((5,7))
for i in range(5):
    for j in range(7):
        b[i,j] += a[:,i,j].sum()

bi a.sum(axis=0)oba będą wyglądać tak

array([[ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.]])

W a pd.DataFrameosie działają w taki sam sposób, jak w numpy.arrays: axis=0zastosuje sum()lub dowolną inną funkcję redukcji dla każdej kolumny.

Uwaga : w odpowiedzi @ zhangxaochen uważam, że zwroty „wzdłuż wierszy” i „wzdłuż kolumn” są nieco mylące. axis=0powinien odnosić się do „wzdłuż każdej kolumny” i axis=1„wzdłuż każdego wiersza”.

Najprościej jest dla mnie zrozumieć, czy obliczasz statystyki dla każdej kolumny ( axis = 0) czy każdego wiersza (axis = 1 ). Jeśli obliczysz statystykę, powiedzmy średnią, axis = 0otrzymasz tę statystykę dla każdej kolumny. Więc jeśli każda obserwacja jest wierszem, a każda zmienna znajduje się w kolumnie, otrzymasz średnią każdej zmiennej. Jeśli ustawisz axis = 1, to obliczysz statystyki dla każdego wiersza. W naszym przykładzie uzyskałbyś średnią dla każdej obserwacji dla wszystkich zmiennych (być może potrzebujesz średniej pokrewnych miar).

axis = 0: według kolumny = według kolumn = wzdłuż wierszy

axis = 1: przez row = wiersz-wzdłuż = wzdłuż kolumn

Spójrzmy na tabelę z Wiki. Jest to szacunek MFW PKB na lata 2010-2019 dla dziesięciu najlepszych krajów.

1. Oś 1 będzie działać na każdym rzędzie na wszystkich kolumnach
Jeśli chcesz obliczyć średnią (średnia) PKB za każde krajach ponad dekady (2010-2019), trzeba zrobić df.mean(axis=1). Na przykład jeśli chcesz obliczyć średni PKB Stanów Zjednoczonych w latach 2010-2019,df.loc['United States','2010':'2019'].mean(axis=1)

2. Oś 0 będzie działać dla każdej kolumny we wszystkich wierszach
Jeśli chcę obliczyć średni (średni) PKB na KAŻDY rok dla wszystkich krajów, musisz to zrobić df.mean(axis=0). Na przykład, jeśli chcesz obliczyć średni PKB w 2015 r. Dla Stanów Zjednoczonych, Chin, Japonii, Niemiec i Indii, df.loc['United States':'India','2015'].mean(axis=0)

Uwaga: powyższy kod będzie działał tylko po ustawieniu kolumny „Kraj (lub terytorium zależne)” jako Indeksu, przy użyciu set_indexmetoda.

Osią w kontekście programowania jest pozycja w krotce kształtu. Oto przykład:

import numpy as np

a=np.arange(120).reshape(2,3,4,5)

a.shape
Out[3]: (2, 3, 4, 5)

np.sum(a,axis=0).shape
Out[4]: (3, 4, 5)

np.sum(a,axis=1).shape
Out[5]: (2, 4, 5)

np.sum(a,axis=2).shape
Out[6]: (2, 3, 5)

np.sum(a,axis=3).shape
Out[7]: (2, 3, 4)

Średnia na osi spowoduje usunięcie tego wymiaru.

Odnosząc się do pierwotnego pytania, kształt dff to (1,2). Użycie osi = 1 spowoduje zmianę kształtu na (1,).

Projektant pand, Wes McKinney, intensywnie pracował nad danymi finansowymi. Traktuj kolumny jako nazwy akcji, a indeksy jako ceny dzienne. Następnie możesz odgadnąć, jakie jest domyślne zachowanie (tj. axis=0) W odniesieniu do tych danych finansowych. axis=1może być po prostu uważane za „inny kierunek”.

Na przykład, funkcje statystyki, takie jak mean(), sum(), describe(), count()wszystkie domyślne do kolumny mądry, bo to ma większy sens, aby zrobić je dla każdego zasobu. sort_index(by=)również domyślnie kolumna. fillna(method='ffill')wypełni się wzdłuż kolumny, ponieważ jest to ten sam zapas.dropna()domyślnie wyświetla wiersz, ponieważ prawdopodobnie po prostu chcesz odrzucić cenę tego dnia zamiast wyrzucić wszystkie ceny tego towaru.

Podobnie indeksowanie w nawiasach kwadratowych odnosi się do kolumn, ponieważ bardziej powszechne jest wybieranie akcji zamiast wybierania dnia.

jednym z łatwych sposobów zapamiętania osi 1 (kolumny) w porównaniu z osią 0 (wiersze) jest oczekiwany wynik.

• jeśli oczekujesz wyniku dla każdego wiersza, użyj osi = „kolumny”,
• z drugiej strony, jeśli chcesz uzyskać wynik dla każdej kolumny, użyj osi = „wiersze”.

Problem z axis=prawidłowym użyciem dotyczy dwóch głównych różnych przypadków:

1. Do obliczania wartości skumulowanej lub przestawiania (np. Sortowania) danych.
2. Do manipulowania („bawieniem się”) elementami (np. Ramkami danych ).

Główną ideą tej odpowiedzi jest to, że aby uniknąć pomyłki, wybieramy liczbę lub nazwę określającą konkretną oś, zależności od tego która z nich jest bardziej przejrzysta, intuicyjna i opisowa.

Pandy oparte są na NumPy, która opiera się na matematyce, szczególnie na macierzach n-wymiarowych. Oto obraz do powszechnego użycia nazw osi w matematyce w przestrzeni trójwymiarowej:

To zdjęcie służy wyłącznie do zapamiętania liczb porządkowych osi :

• 0 dla osi x,
• 1 dla osi y i
• 2 dla osi Z.

Oś jest tylko do płyt ; w przypadku ramek danych ograniczymy nasze zainteresowanie do zielonej, dwuwymiarowej płaszczyzny podstawowej z osią x ( 0, pionową) i osią y ( 1, poziomą).

To wszystko dla liczb jako potencjalnych wartości axis=parametru.

Te nazwy od osi są 'index'(można użyć aliasu 'rows') i 'columns', a do tego wyjaśnienia nie jest ważne, relacja tych nazw i numerów porządkowych (osi), jak każdy wie, co słowa „wiersze” i „kolumny” Średnia ( i wszyscy tutaj - jak sądzę - wiedzą, co oznacza słowo „indeks” w pandach).

A teraz moja rekomendacja:

1. Jeśli chcesz obliczyć skumulowaną wartość , możesz obliczyć ją z wartości znajdujących się wzdłuż osi 0 (lub wzdłuż osi 1 ) - użyj axis=0(lub axis=1).

   Podobnie, jeśli chcesz zmienić kolejność wartości , użyj numeru osi osi, wzdłuż którego znajdują się dane do zmiany kolejności (np. Do sortowania ).

2. Jeśli chcesz manipulować (np. Konkatenować ) jednostkami (np. Ramkami danych ) - użyj axis='index'(synonim :)axis='rows' lub axis='columns'określ wynikową zmianę - odpowiednio indeks ( wiersze ) lub kolumny .
   (W celu konkatenacji uzyskasz odpowiednio dłuższy indeks (= więcej wierszy) lub więcej kolumn .)

Jest to oparte na odpowiedzi @ Safak. Najlepszym sposobem na zrozumienie osi w pandach / numpy jest utworzenie tablicy 3d i sprawdzenie wyniku funkcji sumowania wzdłuż 3 różnych osi.

 a = np.ones((3,5,7))

będzie:

    array([[[1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.]],

   [[1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.]],

   [[1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.],
    [1., 1., 1., 1., 1., 1., 1.]]])

Teraz sprawdź sumę elementów tablicy wzdłuż każdej z osi:

 x0 = np.sum(a,axis=0)
 x1 = np.sum(a,axis=1)
 x2 = np.sum(a,axis=2)

da ci następujące wyniki:

   x0 :
   array([[3., 3., 3., 3., 3., 3., 3.],
        [3., 3., 3., 3., 3., 3., 3.],
        [3., 3., 3., 3., 3., 3., 3.],
        [3., 3., 3., 3., 3., 3., 3.],
        [3., 3., 3., 3., 3., 3., 3.]])

   x1 : 
   array([[5., 5., 5., 5., 5., 5., 5.],
   [5., 5., 5., 5., 5., 5., 5.],
   [5., 5., 5., 5., 5., 5., 5.]])

  x2 :
   array([[7., 7., 7., 7., 7.],
        [7., 7., 7., 7., 7.],
        [7., 7., 7., 7., 7.]])

Rozumiem w ten sposób:

Powiedz, że jeśli twoja operacja wymaga przejścia od lewej do prawej / od prawej do lewej w ramce danych, najwyraźniej łączysz kolumny tj. operujesz na różnych kolumnach. To jest oś = 1

Przykład

df = pd.DataFrame(np.arange(12).reshape(3,4),columns=['A', 'B', 'C', 'D'])
print(df)
   A  B   C   D
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11 

df.mean(axis=1)

0    1.5
1    5.5
2    9.5
dtype: float64

df.drop(['A','B'],axis=1,inplace=True)

    C   D
0   2   3
1   6   7
2  10  11

Należy zauważyć, że działamy na kolumnach

Podobnie, jeśli twoja operacja wymaga przejścia od góry do dołu / od dołu do góry w ramce danych, scalasz wiersze. To jest oś = 0 .

Oś = 0 oznacza góra do dołu Oś = 1 oznacza od lewej do prawej

sums[key] = lang_sets[key].iloc[:,1:].sum(axis=0)

Podany przykład bierze sumę wszystkich danych w kolumnie == klucz.

Moje myślenie: Oś = n, gdzie n = 0, 1 itd. Oznacza, że ​​macierz jest zwinięta (złożona) wzdłuż tej osi. Tak więc w macierzy 2D, kiedy zwiniemy się wzdłuż 0 (wierszy), naprawdę operujemy na jednej kolumnie na raz. Podobnie w przypadku matryc wyższego rzędu.

Nie jest to to samo, co normalne odniesienie do wymiaru w macierzy, gdzie 0 -> wiersz i 1 -> kolumna. Podobnie w przypadku innych wymiarów w tablicy wymiarów N.

Jestem nowicjuszem w pandach. Ale tak rozumiem oś w pandach:

Stały Zmienny kierunek osi

0 wiersz kolumny w dół |

Kolumna 1 wiersz w prawo ->

Aby obliczyć średnią z kolumny, ta konkretna kolumna powinna być stała, ale wiersze pod nią mogą się zmieniać ( zmieniać ), więc jest to oś = 0.

Podobnie, aby obliczyć średnią rzędu, ten konkretny rząd jest stały, ale może przechodzić przez różne kolumny (różne) , oś = 1.

Myślę, że istnieje inny sposób, aby to zrozumieć.

W przypadku tablic np., Jeśli chcemy wyeliminować kolumny, używamy osi = 1; jeśli chcemy wyeliminować wiersze, używamy osi = 0.

np.mean(np.array(np.ones(shape=(3,5,10))),axis = 0).shape # (5,10)
np.mean(np.array(np.ones(shape=(3,5,10))),axis = 1).shape # (3,10)
np.mean(np.array(np.ones(shape=(3,5,10))),axis = (0,1)).shape # (10,)

W przypadku obiektu pand axis = 0oznacza tryb wierszy i axis = 1tryb kolumn. Różni się to z numpydefinicji, możemy sprawdzić definicje z numpy.doc i pandas.doc

Będę wyraźnie unikać używania „wierszy” lub „wzdłuż kolumn”, ponieważ ludzie mogą interpretować je dokładnie w niewłaściwy sposób.

Najpierw analogia. Intuicyjnie można oczekiwać, że pandas.DataFrame.drop(axis='column')upuści kolumnę z N kolumn i da (N - 1) kolumny. Więc na razie nie zwracaj uwagi na wiersze (i usuń słowo „wiersz” ze słownika angielskiego). Odwrotnie, drop(axis='row')działa na wierszach.

W ten sam sposób sum(axis='column')działa na wielu kolumnach i daje 1 kolumnę. Podobnie, sum(axis='row')wyniki w 1 rzędzie. Jest to zgodne z najprostszą formą definicji, redukując listę liczb do pojedynczej liczby.

Ogólnie rzecz biorąc, axis=columnwidzisz kolumny, pracujesz nad kolumnami i otrzymujesz kolumny. Zapomnij o wierszach.

Za pomocą axis=rowzmień perspektywę i pracuj nad rzędami.

0 i 1 to tylko aliasy dla „row” i „column”. Jest to konwencja indeksowania macierzy.

Próbowałem też ustalić oś przez ostatnią godzinę. Język we wszystkich powyższych odpowiedziach, a także dokumentacja, wcale nie jest pomocny.

Aby odpowiedzieć na pytanie tak, jak je teraz rozumiem, w Pandach oś = 1 lub 0 oznacza, które nagłówki osi mają być stałe podczas stosowania funkcji.

Uwaga: Kiedy mówię nagłówki, mam na myśli nazwy indeksów

Rozszerzanie przykładu:

+------------+---------+--------+
|            |  A      |  B     |
+------------+---------+---------
|      X     | 0.626386| 1.52325|
+------------+---------+--------+
|      Y     | 0.626386| 1.52325|
+------------+---------+--------+

Dla osi = 1 = kolumny: Utrzymujemy stały nagłówek kolumn i stosujemy funkcję średnią, zmieniając dane. Aby to zademonstrować, utrzymujemy stałe nagłówki kolumn jako:

+------------+---------+--------+
|            |  A      |  B     |

Teraz wypełniamy jeden zestaw wartości A i B, a następnie znajdujemy średnią

|            | 0.626386| 1.52325|  

Następnie wypełniamy następny zestaw wartości A i B i znajdujemy średnią

|            | 0.626386| 1.52325|

Podobnie dla osi = wiersze utrzymujemy stałe nagłówki wierszy i ciągle zmieniamy dane: Aby to zademonstrować, najpierw popraw nagłówki wierszy:

+------------+
|      X     |
+------------+
|      Y     |
+------------+

Teraz wypełnij pierwszy zestaw wartości X i Y, a następnie znajdź średnią

+------------+---------+
|      X     | 0.626386
+------------+---------+
|      Y     | 0.626386
+------------+---------+

Następnie wypełnij następny zestaw wartości X i Y, a następnie znajdź średnią:

+------------+---------+
|      X     | 1.52325 |
+------------+---------+
|      Y     | 1.52325 |
+------------+---------+

W podsumowaniu,

Gdy oś = kolumny, naprawiasz nagłówki kolumn i zmieniasz dane, które będą pochodzić z różnych wierszy.

Gdy oś = wiersze, naprawiasz nagłówki wierszy i zmieniasz dane, które będą pochodzić z różnych kolumn.

oś = 1, da mądry wiersz sumy, keepdims = True zachowa wymiar 2D. Mam nadzieję, że to ci pomoże.

Wiele odpowiedzi tutaj bardzo mi pomogło!

W przypadku, gdy zmieszają Cię różne zachowania axisw Pythonie i MARGINR (jak w applyfunkcji), możesz znaleźć interesujący post na blogu: https://accio.github.io/programming/2020/05/ 19 / numpy-pandas-axis.html .

Zasadniczo:

• Ich zachowania są, co intrygujące, łatwiejsze do zrozumienia w przypadku trójwymiarowej tablicy niż w przypadku tablic dwuwymiarowych.
• W pakietach Python numpyipandas parametr osi w sumie określa numpy w celu obliczenia średniej wszystkich wartości, które można pobrać w postaci tablicy [0, 0, ..., i, ..., 0], gdzie iteruje się wszystkie możliwe wartości. Proces powtarza się z ustaloną pozycją i, a wskaźniki innych wymiarów zmieniają się jeden po drugim (od najbardziej skrajnie prawego elementu). Wynikiem jest tablica n-1-wymiarowa.
• W R parametr MARGINS pozwala applyfunkcji obliczyć średnią wszystkich wartości, które można pobrać w postaci tablicy [, ..., i, ...,], gdzie iteruje wszystkie możliwe wartości. Proces ten nie jest powtarzany, gdy wszystkie wartości i zostały iterowane. Dlatego wynik jest prostym wektorem.

Tablice są projektowane z tak zwaną osią = 0 i rzędami ustawionymi pionowo w stosunku do osi = 1 oraz kolumnami ustawionymi poziomo. Oś odnosi się do wymiaru tablicy.