Python 数据帧求和方法的工作原理与直觉相反

O/p为

a 22

b 26

c 30

//我希望它能按行求和，从而给出

06

115

224

333

my_df = DataFrame(np.arange(1,13).reshape(4,3), columns=list('abc'))

my_df.sum(axis="rows")   

为什么它起反直觉作用？ 在类似的上下文中，drop方法按其应该的方式工作，即当我编写时

my_df.sum(axis="columns") //helps achieve this

//这将删除“a”列

我错过什么了吗？请说明。

简短版本 这是一种命名约定。列的和给出了行的和。您正在查找

axis='columns'）

---

长版本 好的，那很有趣。通常情况下，0表示列，1表示行。 但是，查看中，我们发现允许的参数为：

轴：{索引（0），列（1）}

您正在传递一个不存在的参数，这将导致默认值。因此，这可以理解为：列和返回行和。索引和返回列和。您想要使用它的内容

axis=1

或

axis='columns'

，从而产生所需的输出：

my_df.drop(['a'],axis="columns") 

返回：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(1,13).reshape(4,3), columns=list('abc'))

print(df.sum(axis=1))

---

我确实理解这一切，但不应该有一些逻辑，它是建立在我们所认为的相反！也许有些东西我们没有思考或领会。@rAmAnA我认为

轴=0 | 1

（使用数字）是一个更容易思考的东西。我无法回答其他ppl是如何命名的，但我非常相信他们是有能力做出正确决策的人。我不知道你还能找到什么答案。使用drop（axis=1）可以删除列。带sum（轴=1）…按行求和。所以即使是相反的情况。@rAmAnA drop axis1：删除一列。sum axis1：列的总和。我认为这是有道理的。也许我不能理解，但如果你能详细一点，这会有所帮助。总和（轴=1）是每行的总和。你为什么说它是“列的总和”？

0     6
1    15
2    24
3    33
dtype: int64