python中关于axis=0和axis=1应该如何理解？

axis=0：数据在纵向发生变化；
axis=1：数据在横向发生变化。

下面我们用python代码的方式更加直观的了解axis=0和axis=1的区别。

import pandas as pd

data = pd.DataFrame(data=[['吴文化', '男', 100, 98, 85],
                          ['史珍香', '女', 66, 75, 72],
                          ['范建', '男', 77, 88, 100],
                          ['胡说', '男', 80, 90, 86],
                          ['夏扯淡', '女', 76, 80, 96]],
                    columns=['name', 'gender', 'math', 'chinese', 'english'])
print(data)

上面代码的结果如下，这就是我们接下来要操作的数据：

  name gender  math  chinese  english
0  吴文化      男   100       98       85
1  史珍香      女    66       75       72
2   范建      男    77       88      100
3   胡说      男    80       90       86
4  夏扯淡      女    76       80       96

1）首先我们求一下每一科目的平均成绩，每一科目的平均成绩就是求科目列的平均值。求科目列的平均值时，我们会把多行压缩成三行（因为有三个科目），这是属于纵向的变化，所以应该指定axis=0。

# 每一科目的平均成绩
avg_subject = data[['math', 'chinese', 'english']].mean(axis=0)
print(avg_subject)

# 下面是运行结果
math       79.8
chinese    86.2
english    87.8

2）然后我们求一下每个同学的平均成绩。每一个同学的平均成绩，会把科目所在的三个列压缩成一个列，属于横向的变化，所以应该指定axis=1。

avg_score = data[['math', 'chinese', 'english']].mean(axis=1)
print(avg_score)

# 下面是运行结果
0    94.333333
1    71.000000
2    88.333333
3    85.333333
4    84.000000

3）接下来我们看一下删除行或者列。
删除math列，因为列减少了，相当于人瘦了，横向上发生了变化。所以我们要指定axis=1。

data.drop(labels='math', inplace=True, axis=1)
print(data)

# 下面是运行结果
 name gender  chinese  english
0  吴文化      男       98       85
1  史珍香      女       75       72
2   范建      男       88      100
3   胡说      男       90       86
4  夏扯淡      女       80       96

4）最后我们看一下删除指定行。因为删除了行，相当于人变矮了，纵向发生了变化。所以指定axis=0。

data.drop(index=0, inplace=True, axis=0)
print(data)

# 下面是运行结果
  name gender  chinese  english
1  史珍香      女       75       72
2   范建      男       88      100
3   胡说      男       90       86
4  夏扯淡      女       80       96