pythonsumaxis1
1. python中的sum为什么返回的还是数组
Python中的sum函数，无第二参数时，返回的是数值不是数组，数值为参数1中的数组或其它可迭代对象的全加之和。
在下列几种情况下，sum函数返回数组：（Python 3版本）
使用了第二参数为axis=0，并且参数1是二维对象，则按列相加并返回数组；
使用了第二参数为axis=1，并且参数1是二维对象，则按行相加并返回数组；
导入了Numpy模块，并使用了Numpy中的sum函数，并且参数1是二维对象，则默认就是axis=0，即按列相加并返回数组；
importnumpyasnp
#python中自带的sum
sum([[1,2,3],[4,5,5]])#返回数值20
sum([[1,2,3],[4,5,5]],axis=0)#返回数组[578]
sum([[1,2,3],[4,5,5]],axis=1)#返回数组[614]
#Numpy中的sum
a=np.sum([[1,2,3],[4,5,5]])#返回数组[578]
注：NumPy是Python的一种开源的数值计算扩展。
2. Python,的numpy模块中有没有 阶乘函数
有阶乘函数，Numpy中，mat必须是2维的,但是array可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。
在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。
若a=mat([1,2,3])是矩阵，则 a.A 则转换成了数组，反之，a.M则转换成了矩阵。
(2)pythonsumaxis1扩展阅读：
常用的Numpy运算：
取矩阵中的某一行ss[1,:]或该行的某两列ss[1,0:2]
将数组转换成矩阵randMat=mat(random.rand(4,4))
矩阵求逆randMat.I
单位阵eye(4)
零矩阵zeros((x,y))建立x行y列的零矩阵。
最大值和最小值a.max(),a.min(),而a.max(0)表示按列选取每列的最大值。最大/小元素的下标a.argmax(),a.argmin()
#作为方法x.sum() #所有元素相加x.sum(axis=0) #按列相加x.sum(axis=1) #按行相加#作为函数sum(a,axis=0)ss.mean()
mean(a,axis=0(或1)) #按列或行求均值var(a)var(a,axis=0(或1)) #按列或行求方差。
std(a)std(a,axis=0(或1)) #按列或行求标准差ss.T或ss.transpose() #转置。
3. python axis是什么意思
python axis的意思是：1、【axis=0】表述列，【axis=1】表述行；2、等式【axis=i】操作就是沿第i维变化的方向进行。
python axis的意思是：
axis=0表述列
axis=1表述行
就记住axis=i，操作就是沿第i维变化的方向进行;
对于一个4*3*2*3的数组：
axis=0,操作时只有第0维的下标变化其他不变。
axis=1,操作时只有第1维的下标变化其他不变。
axis=2,操作时只有第2维的下标变化其他不变。
axis=3,操作时只有第3维的下标变化其他不变。
相关学习推荐：python视频
以上就是小编分享的关于python axis是什么意思的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！
4. 在使用python进行编程的过程中,设置属性axis=1,表示的是什么含义
摘要 如果我们调用df.mean(axis=1),我们将得到按行计算的均值
5. 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
<pre t="code" l="python">data.drop(n)可以删除第i行
import pandas as pd
data=pd.DataFrame([[1,2,3],[4,5,6]])
print data.drop(0)输出结果为 0 1 21 4 5 6
6. python对excel操作
Python对于Excel的操作是多种多样的，掌握了相关用法就可以随心所欲的操作数据了！
操作xls文件
xlrd（读操作）：
import xlrd
1、引入xlrd模块
workbook=xlrd.open_workbook("36.xls")
2、打开[36.xls]文件，获取excel文件的workbook（工作簿）对象
names=workbook.sheet_names()
3、获取所有sheet的名字
worksheet=workbook.sheet_by_index(0)
4、通过sheet索引获得sheet对象
worksheet为excel表第一个sheet表的实例化对象
worksheet=workbook.sheet_by_name("各省市")
5、通过sheet名获得sheet对象
worksheet为excel表sheet名为【各省市】的实例化对象
nrows=worksheet.nrows
6、获取该表的总行数
ncols=worksheet.ncols
7、获取该表的总列数
row_data=worksheet.row_values(n)
8、获取该表第n行的内容
col_data=worksheet.col_values(n)
9、获取该表第n列的内容
cell_value=worksheet.cell_value(i,j)
10、获取该表第i行第j列的单元格内容
xlwt（写操作）：
import xlwt
1、引入xlwt模块
book=xlwt.Workbook(encoding="utf-8")
2、创建一个Workbook对象，相当于创建了一个Excel文件
sheet = book.add_sheet('test')
3、创建一个sheet对象，一个sheet对象对应Excel文件中的一张表格。
sheet.write(i, j, '各省市')
4、向sheet表的第i行第j列，写入'各省市'
book.save('Data\\36.xls')
5、保存为Data目录下【36.xls】文件
操作xlsx文件
openpyxl（读操作）：
import openpyxl
1、引入openpyxl模块
workbook=openpyxl.load_workbook("36.xlsx")
2、打开[36.xlsx]文件，获取excel文件的workbook（工作簿）对象
names=workbook.sheetnames
worksheet=workbook.worksheets[0]
worksheet=workbook["各省市"]
ws = workbook.active
6、获取当前活跃的worksheet,默认就是第一个worksheet
nrows=worksheet.max_row
7、获取该表的总行数
ncols=worksheet.max_column
8、获取该表的总列数
content_A1= worksheet['A1'].value
9、获取该表A1单元格的内容
content_A1=worksheet.cell(row=1,column=1).value
10、获取该表第1列第1列的内容
openpyxl（写操作）：
workbook=openpyxl.Workbook()worksheet = workbook.active
3、获取当前活跃的worksheet,默认就是第一个worksheet
worksheet.title="test"
4、worksheet的名称设置为"test"
worksheet = workbook.create_sheet()
5、创建一个新的sheet表，默认插在工作簿末尾
worksheet.cell(i,j,'空')
6、第i行第j列的值改成'空'
worksheet["B2"]="空"
7、将B2的值改成'空'
worksheet.insert_cols(1)
8、在第一列之前插入一列
worksheet.append(["新增","台湾省"])
9、添加行
workbook.save("Data\\36.xlsx")
10、保存为Data目录下【36.xlsx】文件
pandas处理excel文件
pandas操作：
import pandas as pd
1、引入pandas模块
data = pd.read_excel('36.xls')
2、读取[36.xls]或者[36.xlsx]文件
data = pd.read_csv('36.csv')
3、读取[36.csv]文件
data=data.dropna(subset=['店铺'])
4、过滤掉data店铺列有缺失的数据
data.sort_values("客户网名", inplace=True)
5、将data数据按照客户网名列进行从小到大排序
data = pd.read_csv(36.csv, skiprows = [0,1,2],sep = None, skipfooter = 4)
6、读取[36.csv]文件，前三行和后四行的数据略过
data = data.fillna('空')
7、将data中的空白处填充成'空'
data.drop_plicates('订单','first',inplace=True)
8、data中的数据，按照【订单】列做去重处理，保留第一条数据
data=pd.DataFrame(data,columns=['订单','仓库'])
9、只保留data中【订单】【仓库】列的数据
data = data[(data[u'展现量'] > 0)]
10、只保留【展现量】列中大于0的数据
data= data[data["订单"].str.contains('000')]
11、只保留【订单】列中包含'000'的数据
data= data[data["仓库"]=='正品仓']
12、只保留【仓库】列是'正品仓'的数据
xs= data[data["店铺"]=='南极人']['销售额']
13、获取店铺是南极人的销售额数据
data['订单'] = data['订单'].str[3:7]
14、【订单】列的值只保留4-8个字节的值
data["邮资"] = np.where((data['店铺'].str.contains('T|t')) & -(data['仓库'] == '代发仓'), 8, data['邮资'])
15、满足店铺列包含 T 或 t 并且仓库不等于'代发仓'的话，将邮资的值改成8，否则值不变
data = np.array(data).tolist()
16、将data从DataFrame转换成列表
data=pd.DataFrame(data)
17、将列表转换成DataFrame格式
zhan = data[u'展现'].sum().round(2)
18、将data中所有展现列数据求和，并取两位小数
sum=data.groupby(['店铺'])['刷单'].sum()
19、将data中按照店铺对刷单进行求和
counts=data['店铺'].value_counts()
20、将data按照店铺进行计算
avg=data.groupby(['店铺'])['刷单'].mean()
21、将data按照店铺对刷单进行求平均数
count = pd.concat([counts,sum], axis=1, ignore_index=True, sort=True)
22、将counts和sum两个DataFrame进行了组合
count=count.rename(index=str, columns={0: "订单", 1: "成本"})
23、将新生成的DataFrame列名进行修改
data = pd.merge(sum, counts, how='left', left_on='店铺', right_on='店铺')
24、将列表转换成DataFrame格式
from openpyxl import Workbook
wb=Workbook()
ws1=wb.active
data.to_excel('36.xlsx')
wb.close()
25、data完整的写入到关闭过程，执行此操作的时候【36.xlsx】不能是打开状态
excel格式操作
样式处理：
1、打开【36.xlsx】
sheet=workbook.worksheets[0]
2、将第一个sheet对象赋值给sheet
sheet.column_dimensions['A'].width = 20.0
3、将A列的宽度设置为20
sheet.row_dismensions[1].height = 20.0
4、将第一行的行高设置为20
sheet.merge_cells('A1:A2')
5、将sheet表A1和A2单元格合并
sheet.unmerge_cells('A1:A2')
6、将sheet表A1和A2单元格取消合并
sheet.insert_rows(2,2)
7、将sheet表从第2行插入2行
sheet.insert_cols(3,2)
8、将sheet表从第3列插入2列
sheet.delete_rows(2)
9、删除第2行
sheet.delete_cols(3, 2)
10、将sheet表从第3列开始删除2列
from openpyxl.styles import Font, Border, PatternFill, colors, Alignment
11、分别引入字体、边框、图案填充、颜色、对齐方式
sheet.cell(i,j).font = Font(name='Times New Roman', size=14, bold=True, color=colors.WHITE)
12、设置sheet表第 i 行第 j 列的字体
sheet.cell(i,j).alignment = Alignment(horizontal='center', vertical='center')
13、设置sheet表第 i 行第 j 列的字体对齐方式
left, right, top, bottom = [Side(style='thin', color='000000')] * 4sheet.cell(i,j).border = Border(left=left, right=right, top=top, bottom=bottom)
14、引入边框样式并调用
fill = PatternFill("solid", fgColor="1874CD")sheet.cell(1,j).fill = fill
15、引入填充样式，并调用
import xlrd
from openpyxl import Workbook
from openpyxl import load_workbook
workbook=load_workbook(filename='C:/Users/EDZ/Desktop/工作/2021.08.03/大兄弟.xlsx')
sheet=workbook.active
sheet.insert_cols(idx=1)
sheet.merge_cells(A1:A3)
sheet['A1']=['上海','山东','浙江']
7. 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。
8. python数组求和
在数组和矩阵中使用sum: 对数组b和矩阵c,代码b.sum()，np.sum(b),c.sum(),np.sum(c)都能将b、c中的所有元素求和并返回单个数值。
但是对于二维数组b，代码b.sum(axis=0)指定对数组b对每列求和，b.sum(axis=1)是对每行求和，返回的都是一维数组（维度降了一维）。
而对应矩阵c，c.sum(axis=0)和c.sum(axis=1)也能实现对列和行的求和，但是返回结果仍是二维矩阵。
# 定义函数，arr 为数组，n 为数组长度，可作为备用参数，这里没有用到。
def_sum(arr,n):
# 使用内置的 sum 函数计算。
return(sum(arr))
# 调用函数
arr=[]
# 数组元素
arr=[12,3,4,15]
# 计算数组元素的长度
n=len(arr)
ans=_sum(arr,n)
# 输出结果
print('数组元素之和为',ans)
(8)pythonsumaxis1扩展阅读：
python数组使用：
python 数组支持所有list操作，包括 .pop、.insert 和 .extend。另外，数组还提供从文件，读取和存入文件的更快的方法，列如如 .frombytes 和 .tofile，如下所示我们定义一个数组。
from array import arrayarr=array('d',(a for a in range(5)))print(arr)。
arr=array('d',(a for a in range(5)))从这个代码中可以看出，一个数组的定义需要传入的不只是值还有类型。
可以是(must be c, b, B, u, h, H, i, I, l, L, f or d)。