ts0818のブログ

Axes are defined for arrays with more than one dimension. A 2-dimensional array has two corresponding axes: the first running vertically downwards across rows (axis 0), and the second running horizontally across columns (axis 1).

Many operations can take place along one of these axes. For example, we can sum each row of an array, in which case we operate along columns, or axis 1:

https://numpy.org/doc/stable/glossary.html#glossary

⇧ ってあるので、Numpyで定義されてる「axis」を基準と考えていきましょうかね。

Numpyの「axis」って？

で、Numpyの「axis」については、「1次元以上の配列のために定義された軸」だと、Numpyの用語集には記載されていたわけですと。

deepage.net

■2次元配列の「axis」

f:id:ts0818:20210122094623p:plain

NumPyの軸(axis)と次元数(ndim)とは何を意味するのか - DeepAge

■3次元配列の「axis」

f:id:ts0818:20210122094711p:plain

NumPyの軸(axis)と次元数(ndim)とは何を意味するのか - DeepAge

⇧ 上記サイト様が分かりやすいですが、Numpyの「axis」は配列の次元の一番高次元が基準になるということですかね。

Pandasの「axis」って？

で、同じくPython拡張ライブラリのPandasでも「axis」が出てきますと。

qiita.com

f:id:ts0818:20210122095531p:plain

pandasのaxisの方向の覚え方 - Qiita

axis=0はそれぞれの列に対してだったり、それぞれの行ラベル(インデックス)に対してメソッドを適用する場合に用います。

axis=1はそれぞれの行だったり、列ラベル(列名)に対してメソッドを適用する場合に用います。

pandasのaxisの方向の覚え方 - Qiita

⇧ 上記サイト様によりますと、メソッドによって「axis」の設定を気をつけないといけないみたいね。

結局のところ、NumpyとPandasでメソッド実行時の「axis」の設定と挙動の違いは？

何か、モヤモヤしたのでね、実際どうなんだろう？ってことで検証してみたところ、「axis」の設定というよりは、データ構造の違いが影響してそうかなと。

まぁ、Pandasのpandas.DataFrameクラスのオブジェクトのデータ構造が独特ということもありますかね。

今回は2次元のデータで試してみました。

PandasのCheet Sheetにも、DataFrame オブジェクトがメインで紹介されていたので。

2021年1月24日（日）現在、PandasのAPI Referenceによるとpandas.DataFrame は、2次元のデータってことみたいです。

f:id:ts0818:20210123150426p:plain

https://pandas.pydata.org/Pandas_Cheat_Sheet.pdf

⇧ というか、Pandasって、pandas.DataFrame クラス以外にも様々なクラスがあるんですが、Pandasの公式のCheet SheetがどういうわけかDataFrame推しが凄まじい...

で、脱線しましたが、NumpyとPandasで「axis」について調査した時のコードが以下。

■Numpyの「axis」調査

# Numpyのaxis考察
import numpy as np

# ■2次元配列の場合
# axis=0（行を指定）で合計
arr_2d_x = np.array([[0, 1], [2, 3], [4, 5]])
print("Numpyの2次元配列にsum()実施前（axis=0（行を指定）で合計）：\n{}".format(arr_2d_x))
print("Numpyの2次元配列にsum()実施後（axis=0（行を指定）で合計）：\n{}".format(arr_2d_x.sum(axis=0)))

# axis=1（列を指定）で合計
arr_2d_y = np.array([[0, 1], [2, 3], [4, 5]])
print("Numpyの2次元配列にsum()実施前（axis=1（列を指定）で合計）：\n{}".format(arr_2d_y))
print("Numpyの2次元配列にsum()実施後（axis=1（列を指定）で合計）：\n{}".format(arr_2d_y.sum(axis=1)))

■Pandasの「axis」調査

# Pandasのaxis考察
import numpy as np
import pandas as pd

# ■2次元データ
# axis=0（行を指定）で合計
df_2d_x = pd.DataFrame({0:[0, 1], 1:[2, 3], 2:[4, 5]})
print("Pandasの2次元データにsum()実施前（axis=0（行を指定）で合計）：\n{}".format(df_2d_x))
print("Pandasの2次元データにsum()実施後（axis=0（行を指定）で合計）：\n{}".format(df_2d_x.sum(axis=0)))

# axis=1（列を指定）で合計
df_2d_y = pd.DataFrame(np.array([[0, 1], [2, 3], [4, 5]]).T)
print("Pandasの2次元データにsum()実施前（axis=1（列を指定）で合計）：\n{}".format(df_2d_y))
print("Pandasの2次元データにsum()実施後（axis=1（列を指定）で合計）：\n{}".format(df_2d_y.sum(axis=1)))

f:id:ts0818:20210123111935p:plain