Python数据操作：掌握axis参数的正确用法

axis=0?axis=1?——Python中的axis到底应该怎么用

当我们在Python中处理数据时，axis参数经常出现在各种函数中，比如求平均、删除或合并数据等操作。
很多人在使用axis参数时会感到困惑，不知道该写0还是1。
实际上，axis=1表示列，axis=0表示行。
但事实真的是这样吗？今天我们将很好地了解如何在Python中使用axis。
首先我们看一下pandas中几个常用函数中的轴参数。
这里讨论的轴主要是numpy中定义的轴Pandas基于numpy，保留了numpy对axis的使用。
我们以drop函数为例。
它的轴默认为0，表示行删除。
平均函数轴默认为无。
如果不指定axis，则按照axis=0计算每列的平均值。
concat函数的轴默认为0，表示垂直合并数据。
接下来我们看看这些功能的具体实现结果。
首先导入你需要的包。
首先，我们以DataFrame格式构建数据。
drop函数中，axis=0和axis=1分别对应行和列。
axis=0删除行，axis=1删除列。
平均函数的axis=0并不表示行，而是表示列。
Axis=1并不表示列，而是表示行。
轴是表级别的表征。
对轴的正确理解就像它的名字一样——“轴”，即轴表示沿着哪个轴的方向。
轴的值取决于数据的维度。
如果数据是一维数组，那么如果数据是二维的，那么轴只能取0，那么如果数据是三维的，那么轴可以取0和1。
-维，那么axis可以取0、1、2。
以常用的二维数据为例，axis=0表示沿0轴处理，即列，对应average计算每个的平均值列，并串联以从上到下垂直合并；1表示沿轴1即线处理，对应平均计算每条线的平均值，水平左右合并。
最后提一下concat函数中axis的使用。
concat函数是pandas中合并数据的函数。
axis=0表示垂直合并（0轴方向），axis=1表示水平合并（1轴方向）。

Python-删除行列(指定)-drop

在Python数据处理中，当使用pandas库进行数据操作时，我们经常会遇到需要删除数据集中特定行或列的情况。
本文将介绍如何使用pandas的drop函数删除指定的行或列。
drop函数的用法如下：`df.drop(self,labels=None,axis=0|1,index=None,columns=None,level=None,inplace=False|True,errors='raise|ignore')`其中，`labels`参数用于指定要删除的行或列的名称或索引号。
“axis”参数用于指定操作的方向，“axis=0”表示删除行，“axis=1”表示删除列。
“index”和“columns”参数分别用于指定要删除的行或列的具体名称。
当“level”参数用于多级索引时，它指定要删除哪一层的行或列。
“inplace”参数表示是否对原始数据集进行修改，“inplace=False”表示返回修改后的数据集，“inplace=True”表示直接对原始数据进行修改。
`errors`参数告诉如何处理不存在的索引或列名，`errors='raise'`表示抛出错误，`errors='ignore'`表示忽略错误并继续执行。
以下是一些用法示例：删除列：`df.drop(columns=['col1','col2'])`删除行（闭合双字符串）：`df.drop(index=slice(2,5))`删除行和列：`df.drop(index=['row1','row2'],columns=['col1','col2'])'从多索引中删除行或列级别：`df.drop(index=['level1','level2','level3'],level=1)'

Python中drop函数删除指定行报错？

你好，问题的主题，

当你创建一个新的DataFrame时，你通过a、b、c、d指定索引行，

所以在删除的时候，如果想用列表来定义删除的顺序，就需要使用a、b、c、d之一，像这样

df.drop('a',axis=0,inplace=True

或者用df.tail(1).index表示倒数第二行：

df.drop(df.tail(1)).索引，轴=0,inplace=True

-----

希望让面试官、提问者很受欢迎。