前言
axis 表示轴，是处理多维数据时用于表示维度方向的概念，在 pandas 中大部分的方法都有 axis 参数，因为 pandas 需要调用者告诉他，需要处理的是哪个维度的数据。
本文将分享我对 axis 的理解，希望帮助你更好理解 axis 的概念，这些概念不仅仅应用在 pandas ，同样适合于其他相关的库的理解(如 numpy 中的3维或以上的处理)。
通过本文你将学到以下内容：
- - 怎么理解不同方法中的 axis 参数的含义
不要死记硬背
有小伙伴会说，axis 这很简单啊，不就是**0表示行，1表示列**，还需要学啥呢？但是，你会发现在 pandas 中，有些方法好像对于 axis 的含义是相反的。
来看些例子，我们有如下数据：
- - 3列数据，每列数据都是1到3的数字
"删除第2列"，代码如下：
- - df.drop('col2',axis=1) ，其中 axis=1 ，表明删除列
"删除第2行"，代码如下：
- - df.drop(1,axis=0) ，其中 axis=0 ，表明删除行
这看起来很好理解，对吧。我们继续，不妨你在看答案之前，自己尝试思考一下 axis 的值是啥。
"为每一行求平均值" ，代码如下：
咦？为什么是 axis = 1 呢？根据直觉，你可能第一时间想到的是 axis = 0 吧。说好的 **0表示行，1表示列** 呢？
> 我知道网络上有许多讨论这方面的文章，但是我看到的大部分相关文章都只是列出问题，然后告诉你记住他们，记住当调用某些方法时概念是相反就好了。
真正的理解
我非常喜欢通过想象图像，去加深学习，来看看 pandas 中关于"轴"的示意图：
- - 轴0，则表示沿着行方向(竖向)
- - 轴1，则表示沿着列方向(横向)
pandas 中有许多对 DataFrame 做操作的方法，这些方法都需要提供 axis 参数，用于指示对行或列操作。
而 pandas 中的计算方法对于 axis 参数的含义，**实际与 numpy 是一致的："表示范围扩展的轴方向"**。
还是拿之前 "为每一行求平均值" 的需求来说。
当调用 df.mean(axis=1) 时，对于图如下：
- - axis = 1 ，表示向轴1方向(横向)扩展范围
- - 然后，每个扩展范围应用 mean 方法求平均值
"为每一列求平均值" 。
当调用 df.mean(axis=0) 时，对应图如下：
- - axis = 0 ，表示向轴0方向(竖向)扩展范围
- - 然后，每个扩展范围应用 mean 方法求平均值
再回头看看在 pandas 中删除方法 drop 。
在官方网站的文档中，明确说明 axis 参数的含义："从行或列中删除其标签"。
也就是说，axis 指示了在哪个轴上寻找对应的标签，然后将其删除。
看看对应图：
- - 由于 axis = 1，因此会在轴1方向(横向)中寻找标签值"col2"，然后把其删除。
