本文目录一览：
- 1、python数据分析里axis=0/1 行列定义为什么每次都不同
- 2、numpy基础——ndarray对象
- 3、python中删除数据框某个行时，语法df.drop('列名'，axis=1)中，使用axis=1，axis=1不是表示行么？
python数据分析里axis=0/1 行列定义为什么每次都不同
Pandas保持了Numpy对关键字axis的用法，用法在Numpy库的词汇表当中有过解释：
轴用来为超过一维的数组定义的属性，二维数据拥有两个轴：第0轴沿着行的垂直往下，第1轴沿着列的方
向水平延伸。
如果简单点来说，就是0轴匹配的是index， 涉及上下运算；1轴匹配的是columns, 涉及左右运算。
给你举个栗子：
numpy基础——ndarray对象
numpy 是使用python进行数据分析不可或缺的第三方库，非常多的科学计算工具都是基于 numpy 进行开发的。
ndarray对象是用于存放同类型元素的多维数组，是numpy中的基本对象之一，另一个是func对象。本文主要内容是： 1 、简单介绍ndarray对象 ； 2、ndarray对象的常用属性 ； 3、如何创建ndarray对象 ； 4、ndarray元素访问 。
它的维度以及个维度上的元素个数由 shape 决定。
标题中的函数就是numpy的构造函数，我们可以使用这个函数创建一个ndarray对象。构造函数有如下几个可选参数：
实例：
接下来介绍ndarray对象最常用的属性
实例：
使用 array 函数，从常规的python列表或者元组中创建数组，元素的类型由原序列中的元素类型确定。
实例：
subok 为 True ，并且object是ndarray子类时（比如矩阵类型），返回的数组保留子类类型
某些时候，我们在创建数组之前已经确定了数组的维度以及各维度的长度。这时我们就可以使用numpy内建的一些函数来创建ndarray。
例如：函数 ones 创建一个全1的数组、函数 zeros 创建一个全0的数组、函数 empty 创建一个内容随机的数组，在默认情况下，用这些函数创建的数组的类型都是float64，若需要指定数据类型，只需要闲置 dtype 参数即可：
上述三个函数还有三个从已知的数组中，创建 shape 相同的多维数组： ones_like 、 zeros_like 、 empty_like ，用法如下：
除了上述几个用于创建数组的函数，还有如下几个特殊的函数：
特别地， eye 函数的全1的对角线位置有参数k确定
用法如下：
除了上面两个函数还有其他几个类似的从外部获取数据并创建ndarray，比如： frombuffer 、 fromfile 、 fromiter ，还没用过，等用到了在详细记录
ndarray提供了一些创建二维数组的特殊函数。numpy中matrix是对二维数组ndarray进行了封装之后的子类。这里介绍的关于二维数组的创建，返回的依旧是一个ndarray对象，而不是matrix子类。关于matrix的创建和操作，待后续笔记详细描述。为了表述方便，下面依旧使用 矩阵 这一次来表示创建的二维数组。
对于一维的ndarray可以使用python访问内置list的方式进行访问：整数索引、切片、迭代等方式
关于ndarray切片
与内置list切片类似，形式：
array[beg:end:step]
beg: 开始索引
end: 结束索引（不包含这个元素）
step: 间隔
需要注意的是 ：
特别注意的是，ndarray中的切片返回的数组中的元素是原数组元素的索引，对返回数组元素进行修改会影响原数组的值
除了上述与list相似的访问元素的方式，ndarray有一种通过 列表 来指定要从ndarray中获取元素的索引，例如：
多维ndarray中，每一维都叫一个轴axis。在ndarray中轴axis是非常重要的，有很多对于ndarray对象的运算都是基于axis进行，比如sum、mean等都会有一个axis参数（针对对这个轴axis进行某些运算操作），后续将会详细介绍。
对于多维数组，因为每一个轴都有一个索引，所以这些索引由逗号进行分割，例如：
需要注意的是 ：
多维数组的迭代
可以使用ndarray的 flat 属性迭代数组中每一个元素
python中删除数据框某个行时，语法df.drop('列名'，axis=1)中，使用axis=1，axis=1不是表示行么？
其实问题理解axis有问题，也许简单的来记就是axis=0代表往跨行（down)，而axis=1代表跨列（across)，作为方法动作的副词。换句话说：使用0值表示沿着每一列或行标签\索引值向下执行方法；使用1值表示沿着每一行或者列标签模向执行对应的方法。
轴axis用来为超过一维的数组定义的属性，二维数据拥有两个轴：第0轴沿着行的垂直往下，第1轴沿着列的方向水平延伸。
所以问题当中df.drop（‘列名’,
axis=1）代表将‘列名’对应的列标签（们）沿着水平的方向依次删掉。
