numpy库与pandas库axis=0，axis= 1轴的用法详解

numpy库和pandas库都是进行数据处理和分析常用的库，其中包含了对数据的计算和操作。在进行数据分析或处理时，就需要很好的掌握numpy和pandas的常用函数和参数，其中，axis参数就是非常重要的一个参数。

1. numpy库的axis用法详解

numpy库的axis用来指定对某一个维度进行操作，比如我们常见的矩阵操作中，如果我们要对每一行进行操作，那么就需要设置axis=1，如果我们要对每一列进行操作，那么就需要设置axis=0。

下面是一个简单的对数组进行求和操作的例子：

import numpy as np

a = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])

# 对每一列进行求和操作
sum_axis0 = np.sum(a, axis=0)
print(sum_axis0)

# 对每一行进行求和操作
sum_axis1 = np.sum(a, axis=1)
print(sum_axis1)

输出结果为：

[12 15 18]
[ 6 15 24]

第一个sum_axis0是对每一列进行求和操作，而第二个sum_axis1是对每一行进行求和操作。如果不指定axis参数，默认是对所有元素进行操作。

2. pandas库的axis用法详解

pandas库中也有很多函数可以进行数据的操作，其中也可以指定axis参数，其含义和numpy库差不多。常见的函数包括sum、mean等。

下面是一个简单的对dataframe求和操作的例子：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 对每一列进行求和操作
sum_axis0 = df.sum(axis=0)
print(sum_axis0)

# 对每一行进行求和操作
sum_axis1 = df.sum(axis=1)
print(sum_axis1)

输出结果为：

A     6
B    15
C    24
dtype: int64
0    12
1    15
2    18
dtype: int64

第一个sum_axis0是对每一列进行求和操作，而第二个sum_axis1是对每一行进行求和操作。如果不指定axis参数，默认是对所有元素进行操作。

综上所述，掌握numpy和pandas库的axis参数用法，可以更好地进行数据分析和处理。