不知道小伙伴们学习python的dataframe时，是否遇到一个疑惑，apply参数axis的具体含义是什么?

官方文档解释如下：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html

axis{0 or ‘index’, 1 or ‘columns’}, default 0

Axis along which the function is applied:

0 or ‘index’: apply function to each column.

1 or ‘columns’: apply function to each row.

也就是说，0代表按列，1代表按行

例如我的数据

import pandas as pd

tf = pd.read_csv(filepath)

sharein 0_country 1_country 2_country

0 1 USA USA NaN

1 2 France France Czech Republic

2 1 Australia Australia NaN

3 2 USA France France

4 2 USA France France

5 1 China China NaN

6 1 China China NaN

7 1 China China NaN

8 1 China China NaN

9 1 China China NaN

10 1 USA USA NaN

11 1 USA USA NaN

12 2 USA China USA

13 1 China China NaN

14 1 China China NaN

15 1 China China NaN

16 1 China China NaN

tf = tf.fillna("0")

首先我构建一个函数来计算

def count(n):

n1 = n.unique()#unique函数仅针对序列，df[]表示序列，df[[]]表示dataframe

n2 = len(list(n1))

if "0" in n1 :

n2-=1

return n2

显然，我的函数的目的在于按行对于tf进行操作，那我们设置axis = 1，来我们看一下结果

tf.apply(count,axis = 1)

0 1

1 2

2 1

3 2

4 2

5 1

6 1

7 1

8 1

9 1

10 1

11 1

12 2

13 1

14 1

15 1

16 1

正如我们预期一样，那我们再看另一个例子

tf1 = pd.read_csv(r"pathname")

>>> tf1

type affitype

0 1 2

1 2 3

2 1 1

3 2 3

4 2 3

5 1 1

6 1 1

7 1 2

8 1 1

9 1 1

10 1 1

11 1 1

12 2 2

13 1 2

14 1 2

15 1 2

16 1 2

我想根据以上两列满足一定的条件，然后新增列并且赋值,具体函数如下：

def define_type(i1,i2):

if i1 > 1:

t = "inte"

elif i1 == 1 and i2 == 1:

t = "in_a"

else:

t = "in_n"

return t

显然，此时我们是按列传入函数，应该用axis = 0，我们看看结果

tf1["Type"] = tf1.apply(lambda i:define_type(i["type"],i["affitype"]),axis = 0)

Traceback (most recent call last):

File "", line 1, in

tf1["Type"] = tf1.apply(lambda i:define_type(i["type"],i["affitype"]),axis = 0)

File "E:\py\lib\site-packages\pandas\core\frame.py", line 6487, in apply

return op.get_result()

_____

KeyError: ('type', 'occurred at index type')

结果显示报错，我又百度一番，发现此时设置axis = 1就得到我们想要的结果了

tf1["Type"] = tf1.apply(lambda i:define_type(i["type"],i["affitype"]),axis = 1)

>>> tf1["Type"]

0 in_n

1 inte

2 in_a

3 inte

4 inte

5 in_a

6 in_a

7 in_n

8 in_a

9 in_a

10 in_a

11 in_a

12 inte

13 in_n

14 in_n

15 in_n

16 in_n

Name: Type, dtype: object

我猜大概是和我们输入的参数类型有关吧，第一个是整个dataframe传入函数，后面这个是传入Series，没有进一步细究。