Python中的一维和二维

最新推荐文章于 2026-01-04 11:50:32 发布

原创最新推荐文章于 2026-01-04 11:50:32 发布 · 517 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#python #开发语言

本文介绍了Python中一维和二维数据的概念，通过示例解释了axis参数在不同场景下的作用，如drop函数的行/列删除，concat函数的纵向/横向合并，以及mean函数计算列均值的应用。

一、何为一维、二维

python代码中常常会看到axis=0，axis=1，让人有点摸不着头脑。

（三维数据过于复杂，这里不涉及，先跳过）

举例：

列表1：[2,3,4] 转换为数组，形状为（3，）

列表2：[[2,3,4][1,0,7]] 转换为数组，形状为（2,3）

其实axis指定对行还是列的数据进行操作 axis = 0，沿着行（竖向为行）； axis =1 ，沿着列（横向为列）。

二、不同函数对维度的操作

drop函数()：【针对df进行操作】

axis=0【沿着列方向】，drop函数删除行
axis=1【沿着行方向】，drop函数删除列
用法：drop([ ],axis=0,inplace=True) 第三个参数默认为False，表示保持原来的数据不变。
举例：


import numpy as np
import pandas as pd

df1 = pd.DataFrame({'list1':[2,3], 'list2':[25,26],'list3':[5,2]})

df2 = pd.DataFrame({'list1':[5,6], 'list2':[2,2],'list3':[7,3]})

a = pd.concat([df1,df2],axis=0)

a.drop(['list1'],axis=1,inplace=True)

print(a)

举例2：

import numpy as np
import pandas as pd

df1 = pd.DataFrame({'list1':[2,3], 'list2':[25,26],'list3':[5,2]})

df2 = pd.DataFrame({'list1':[5,6], 'list2':[2,2],'list3':[7,3]})

a = pd.concat([df1,df2],axis=0)

a.drop(0,axis=0,inplace=True)

print(a)

删除第一行，即索引为0的行。

concat函数：【只能对series、以及df进行操作】

axis=0，纵向合并。【数据上下联合】

axis=1，横向合并。【数据左右合并】

举例：

import numpy as np
import pandas as pd

df1 = pd.DataFrame({'list1':[2,3], 'list2':[25,26],'list3':[5,2]})

df2 = pd.DataFrame({'list1':[5,6], 'list2':[2,2],'list3':[7,3]})

a = pd.concat([df1,df2],axis=0)

print(a)

运行结果：

list1 list2 list3
0 2 25 5
1 3 26 2
0 5 2 7
1 6 2 3

举例2：

上述df，改为axis=1（沿着行操作，即横向合并），得到结果如下：

list1 list2 list3 list1 list2 list3
0 2 25 5 5 2 7
1 3 26 2 6 2 3

mean()函数：计算每一列的均值。使用时指定axis。【不能操作列表，只能操作数组】

举例：

数组[[2,3,4],[1,2,2]] mean(axis=0，沿竖向)，均值为[1.5,2.5,3]

若mean(axis=1，沿横向)，均值为[3,1.67]