python - pandas/numpy 的轴与 R 的 MARGIN 相反吗？

Question

将这两件事视为相反的想法是否正确？这一直是我困惑的一个主要原因。

下面是我在 R 和 Python 中查找数据框的列总和的示例。请注意 MARGIN 和 axis 的相反值。

在 R 中(使用 MARGIN=2，即列边距):

m <- matrix(1:6, nrow=2)
apply(m, MARGIN=2, mean)
[1] 1.5 3.5 5.5

在Python中(使用axis=0，即行轴):

In [25]: m = pd.DataFrame(np.array([[1, 3, 5], [2, 4, 6]]))
In [26]: m.apply(np.mean, axis=0)
Out[26]:
0    1.5
1    3.5
2    5.5
dtype: float64

Answer 1

之所以会出现困惑，是因为 apply() 既讨论了应用“超过”哪个维度，也讨论了哪个维度保留。换句话说，当您对行进行 apply() 时，结果是一个向量，其长度是输入中的列数。 Pandas 的文档(但不是 R 的)强调了这种特殊的困惑:

axis : {0 or ‘index’, 1 or ‘columns’}
  0 or ‘index’: apply function to each column
  1 or ‘columns’: apply function to each row

如您所见，0 表示索引(行)维度被保留，列维度被“应用”(从而被消除)。

换句话说，对列的应用是 axis=0 或 MARGIN=2，对行的应用是 axis=1 或 MARGIN=1。 1 值似乎匹配，但这是虚假的:Python 中的 1 是第二个维度，因为 Python 是从 0 开始的。