HOWTO · Pandas
Signification de l'axe des Pandas
Ce tutoriel explique la signification du paramètre d'axe utilisé dans diverses méthodes d'objets Pandas comme les DataFrames et les séries.
Sur cette page
Ce tutoriel explique la signification du paramètre axis utilisé dans diverses méthodes d’objets Pandas comme les DataFrames et Series.
import pandas as pd
empl_df = pd.DataFrame(
{
"Name": ["Jon", "Willy", "Mike", "Luna", "Sam", "Aliza"],
"Age": [30, 33, 35, 30, 30, 31],
"Weight(KG)": [75, 75, 80, 70, 73, 70],
"Height(meters)": [1.7, 1.7, 1.85, 1.75, 1.8, 1.75],
"Salary($)": [3300, 3500, 4000, 3050, 3500, 3700],
}
)
print(empl_df)
Production :
Name Age Weight(KG) Height(meters) Salary($)
0 Jon 30 75 1.70 3300
1 Willy 33 75 1.70 3500
2 Mike 35 80 1.85 4000
3 Luna 30 70 1.75 3050
4 Sam 30 73 1.80 3500
5 Aliza 31 70 1.75 3700
Nous utilisons le DataFrame empl_df pour expliquer comment utiliser le paramètre axis dans les méthodes Pandas.
Utilisation du paramètre axis dans les méthodes Pandas
Le paramètre axis spécifie la direction dans laquelle une méthode ou une fonction particulière est appliquée dans un DataFrame. L’axe 0 représente la fonction appliquée par colonne, et axis = 1 signifie que la fonction est appliquée par ligne dans le DataFrame.
Si nous appliquons une fonction par colonne, nous obtiendrons un résultat avec une seule ligne ; si nous appliquons une fonction par ligne, nous obtiendrons un DataFrame avec une seule colonne.
Exemple : Utilisez axis=0 dans les méthodes Pandas
import pandas as pd
empl_df = pd.DataFrame(
{
"Name": ["Jon", "Willy", "Mike", "Luna", "Sam", "Aliza"],
"Age": [30, 33, 35, 30, 30, 31],
"Weight(KG)": [75, 75, 80, 70, 73, 70],
"Height(meters)": [1.7, 1.7, 1.85, 1.75, 1.8, 1.75],
"Salary($)": [3300, 3500, 4000, 3050, 3500, 3700],
}
)
print("The Employee DataFrame is:")
print(empl_df, "\n")
print("The DataFrame with mean values of each column is:")
print(empl_df.mean(axis=0))
Production :
The Employee DataFrame is:
Name Age Weight(KG) Height(meters) Salary($)
0 Jon 30 75 1.70 3300
1 Willy 33 75 1.70 3500
2 Mike 35 80 1.85 4000
3 Luna 30 70 1.75 3050
4 Sam 30 73 1.80 3500
5 Aliza 31 70 1.75 3700
The DataFrame with mean values of each column is:
Age 31.500000
Weight(KG) 73.833333
Height(meters) 1.758333
Salary($) 3508.333333
dtype: float64
Il calcule la moyenne par colonne de la DataFrame empl_df. La moyenne est calculée uniquement pour les colonnes avec des valeurs numériques.
Si nous définissons axis=0, il calculera la moyenne de chaque colonne en faisant la moyenne des valeurs des lignes pour cette colonne particulière.
Exemple : Utilisez axis=1 dans les méthodes de Pandas
import pandas as pd
empl_df = pd.DataFrame(
{
"Name": ["Jon", "Willy", "Mike", "Luna", "Sam", "Aliza"],
"Age": [30, 33, 35, 30, 30, 31],
"Weight(KG)": [75, 75, 80, 70, 73, 70],
"Height(meters)": [1.7, 1.7, 1.85, 1.75, 1.8, 1.75],
"Salary($)": [3300, 3500, 4000, 3050, 3500, 3700],
}
)
print("The Employee DataFrame is:")
print(empl_df, "\n")
print("The DataFrame with mean values of each row is:")
print(empl_df.mean(axis=1))
Production :
The Employee DataFrame is:
Name Age Weight(KG) Height(meters) Salary($)
0 Jon 30 75 1.70 3300
1 Willy 33 75 1.70 3500
2 Mike 35 80 1.85 4000
3 Luna 30 70 1.75 3050
4 Sam 30 73 1.80 3500
5 Aliza 31 70 1.75 3700
The DataFrame with mean values of each row is:
0 851.6750
1 902.4250
2 1029.2125
3 787.9375
4 901.2000
5 950.6875
dtype: float64
Il calcule la moyenne ligne par ligne pour le DataFrame empl_df, en d’autres termes, il calculera la valeur moyenne pour chaque ligne en faisant la moyenne des valeurs des colonnes de type numérique pour cette ligne. Nous obtiendrons une seule colonne à la fin avec la valeur moyenne pour chaque ligne.
