pandas中的axis參數(shù)用于指定操作的軸向，在大多數(shù)情況下，我們使用axis=0表示行軸，axis=1表示列軸，下面我們來詳細(xì)了解一下pandas中axis=1的用法。

1、讀取數(shù)據(jù)

當(dāng)我們使用pandas的read_csv、read_excel等函數(shù)讀取數(shù)據(jù)時，可以通過設(shè)置參數(shù)index_col來指定哪一列作為索引，此時默認(rèn)的行索引為0。

import pandas as pd
data = pd.read_csv('data.csv', index_col=0)

2、選擇列

我們可以使用[]操作符來選擇DataFrame中的某一列或多列。

column = data['column_name']

3、選擇行

我們可以使用iloc或at方法來選擇DataFrame中的某一行或多行。

row = data.iloc[0]  # 選擇第一行，注意索引從0開始
row = data.at[0, 'column_name']  # 選擇第一行，通過行索引和列名進(jìn)行定位

4、修改列名

我們可以使用rename方法來修改DataFrame中的列名。

data = data.rename(columns={'old_name': 'new_name'})

5、刪除列

我們可以使用drop方法來刪除DataFrame中的某一列或多列。

data = data.drop(['column_name1', 'column_name2'], axis=1)

6、添加新列

我們可以使用assign方法來添加新的列。

data = data.assign(new_column='value')

7、刪除行

我們可以使用drop方法來刪除DataFrame中的某一行或多行。

data = data.drop([0, 1], axis=0)  # 刪除第0行和第1行，注意索引從0開始

8、排序

我們可以使用sort_values方法來對DataFrame中的某一列或多列進(jìn)行排序。

data = data.sort_values(by='column_name', ascending=False)  # 按'column_name'列降序排序，ascending=True表示升序排序，默認(rèn)為升序排序

9、合并DataFrame

我們可以使用concat、merge等方法來合并兩個或多個DataFrame。

data1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']})
data2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7'], 'C': ['C4', 'C5', 'C6', 'C7'], 'D': ['D4', 'D5', 'D6', 'D7']})
result = pd.concat([data1, data2], ignore_index=True)  # 沿行軸（axis=0）合并，ignore_index=True表示重置索引，默認(rèn)為重置索引，不重置索引時需要設(shè)置keys參數(shù)，如pd.concat([data1, data2], keys=['data1', 'data2'])
result = pd.merge(data1, data2, on='key')  # 按'key'列進(jìn)行合并，on參數(shù)表示合并依據(jù)的列，如果不設(shè)置則默認(rèn)為全表合并，即笛卡爾積運算結(jié)果，類似于SQL中的JOIN操作，但比JOIN操作更復(fù)雜，支持左連接、右連接、內(nèi)連接等多種連接方式，具體可參考官方文檔：https://pandas.pydata.org/pandasdocs/stable/reference/api/pandas.DataFrame.merge.html#pandasdfmergehow

文章標(biāo)題：pandasaxis=1詳解
新聞來源：http://uogjgqi.cn/article/cogcgei.html