pandas与numpy中神奇的axis

最近在百奥智汇兼职，基本上比较重的工作就在数据处理，所以pandas和numpy用的比较多。

不知不觉中，pandas各种函数越用越熟练，但是总要靠结果来推算到底应该指定axis=0还是1，你有没有这种经历呢？

经过摸索，我找到了一种axis利于记忆也好解释的理论。下面一起来看看吧！

核心内容

axis是你要操作的轴。

pandas

导入包，创建一个3X4的dataframe。

import pandas as pd
import numpy as np
data = pd.DataFrame(np.random.randn(4,3))

data.sum(axis=1)  

out:

0   -0.429278
1    0.415985
2    1.555418
3    3.364704
dtype: float64

axis=1，说明我们要对第二个轴进行操作。

操作中处理的是第二个轴一共3个值，3个值被消灭了，被1个和值取代，结果是长度为4的series。

data.drop(1,axis=1) 

out:

同样对第二个轴进行操作。

处理的是第二个轴3个值，3个值被drop掉1列后变为2个值，结果是4X2的dataframe。

data_ = pd.DataFrame(np.random.randn(4,3))
pd.concat([data,data_],axis=1) 

out:

处理的是第二个轴，data二轴3个值，拼接的data_二轴也为3个值，所以结果是4X6的dataframe。

data.sort_values([0],axis=1) 

out:

处理的是第二个轴3个值，对第一个轴name为0对应的3个值进行排序，从小到大，结果是4X3的dataframe。

来个更复杂的

下面为常见的归一化：

data.apply(lambda a:(a-np.min(a))/(np.max(a)-np.min(a)),axis=1) 

out:

处理的是第二个轴3个值，对第一轴每一个name对应的三个值进行归一化处理，结果是4X3的dataframe 。

强行输出就会看的更清晰：

data.apply(lambda a:print(a),axis=1) 

0   -0.002617
1   -0.772246
2    0.345585
Name: 0, dtype: float64
0    0.273499
1    0.528832
2   -0.386345
Name: 1, dtype: float64
0    2.602432
1   -1.331183
2    0.284169
Name: 2, dtype: float64
0    1.570347
1    0.138292
2    1.656065
Name: 3, dtype: float64

out:

0    None
1    None
2    None
3    None
dtype: object

lambda函数没有指定返回值，所以默认返回None，结果是长度为4全为None的series。

apply函数可以实现非常多的自定义操作，也可以拿来自己实现sum, sort, drop等操作，每次输入的都是n个值，返回1个值最后为series，返回n个值最后则为dataframe。

pandas中的axis是基于numpy的, 所以上面的概念在numpy中也适用。

numpy

其实numpy难的地方在于多维，下面来看一个三维的例子：

import numpy as np
data = np.arange(0, 24).reshape((2,3,4)) #一个2,3,4的ndarray
print(data.shape)
data

(2, 3, 4)

out:

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

rollaxis是轴滚动的意思，axis=n，将n轴移到0轴。

data = np.arange(0, 24).reshape((2,3,4))
data = np.rollaxis(data,axis=2) #将2轴移到0轴
print(data.shape)
data

(4, 2, 3)

out:

array([[[ 0,  4,  8],
        [12, 16, 20]],

       [[ 1,  5,  9],
        [13, 17, 21]],

       [[ 2,  6, 10],
        [14, 18, 22]],

       [[ 3,  7, 11],
        [15, 19, 23]]])

将最后一个轴移到最前面，其实就是挨个取最后一层的4个值，组成第一层，内部就是2X3的矩阵。

data = np.arange(0, 24).reshape((2,3,4))
data = np.rollaxis(data,axis=1) 
print(data.shape)
data

(3, 2, 4)

out:

array([[[ 0,  1,  2,  3],
        [12, 13, 14, 15]],

       [[ 4,  5,  6,  7],
        [16, 17, 18, 19]],

       [[ 8,  9, 10, 11],
        [20, 21, 22, 23]]])

将倒数第二个轴移到最前面，其实就是把最后一层4个值当成一个对象进行处理，挨个取第二层3个值，组成第一层，最后内部就是2X4的矩阵。

swapaxes是轴交换的意思，m, n，将m轴与n轴交换。

data = np.arange(0, 24).reshape((2,3,4))
data = np.swapaxes(data,0,1)
print(data.shape)
data

(3, 2, 4)

out:

array([[[ 0,  1,  2,  3],
        [12, 13, 14, 15]],

       [[ 4,  5,  6,  7],
        [16, 17, 18, 19]],

       [[ 8,  9, 10, 11],
        [20, 21, 22, 23]]])

结果为3,2,4，把最后一层4个值当成一个对象，实现的其实就是前面3, 2的转置。

data = np.arange(0, 24).reshape((2,3,4))
data = np.swapaxes(data,0,2)
print(data.shape)
data

(4, 3, 2)

out:

array([[[ 0, 12],
        [ 4, 16],
        [ 8, 20]],

       [[ 1, 13],
        [ 5, 17],
        [ 9, 21]],

       [[ 2, 14],
        [ 6, 18],
        [10, 22]],

       [[ 3, 15],
        [ 7, 19],
        [11, 23]]])

结果为4,3,2，挨个取最后一层4个值，最后一层为第一层每次的2个值。

transpose 转置

data = np.arange(0, 24).reshape((2,3,4))
data = np.transpose(data,(1,2,0))
print(data.shape)
data

(3, 4, 2)

out:

array([[[ 0, 12],
        [ 1, 13],
        [ 2, 14],
        [ 3, 15]],

       [[ 4, 16],
        [ 5, 17],
        [ 6, 18],
        [ 7, 19]],

       [[ 8, 20],
        [ 9, 21],
        [10, 22],
        [11, 23]]])

转置，2,3,4经过1,2,0的取值后为3,4,2，第一层移到最后。

np.newaxis可以强行增加新轴。

data = np.arange(0, 24).reshape((2,3,4))
data = data[:,np.newaxis,:,:]
print(data.shape)
data

(2, 1, 3, 4)

out:

array([[[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]]],


       [[[12, 13, 14, 15],
         [16, 17, 18, 19],
         [20, 21, 22, 23]]]])

思考

遇到点有意思的结果，不如大家一起思考一下：

array = np.array([['hello world','sssimon yang']]) 
print(array.shape)

(1, 2)

np.apply_along_axis(lambda a:[i.split(' ')[0] for i in a],axis=0,arr=array)

out:

array([['hello', 'sssim']], dtype='<U5')

np.apply_along_axis(lambda a:[i.split(' ')[0] for i in a],axis=1,arr=array)

out:

array([['hello', 'sssimon']], dtype='<U7')

为什么两次的结果会不一样呢？欢迎在评论区给出你的答案。

感谢大家

原文使用jupyterlab，out为jupyterlab每个cell的默认输出。谢谢大家！