pythonsumaxis1
1. python中的sum為什麼返回的還是數組
Python中的sum函數，無第二參數時，返回的是數值不是數組，數值為參數1中的數組或其它可迭代對象的全加之和。
在下列幾種情況下，sum函數返回數組：（Python 3版本）
使用了第二參數為axis=0，並且參數1是二維對象，則按列相加並返回數組；
使用了第二參數為axis=1，並且參數1是二維對象，則按行相加並返回數組；
導入了Numpy模塊，並使用了Numpy中的sum函數，並且參數1是二維對象，則默認就是axis=0，即按列相加並返回數組；
importnumpyasnp
#python中自帶的sum
sum([[1,2,3],[4,5,5]])#返回數值20
sum([[1,2,3],[4,5,5]],axis=0)#返回數組[578]
sum([[1,2,3],[4,5,5]],axis=1)#返回數組[614]
#Numpy中的sum
a=np.sum([[1,2,3],[4,5,5]])#返回數組[578]
註：NumPy是Python的一種開源的數值計算擴展。
2. Python,的numpy模塊中有沒有 階乘函數
有階乘函數，Numpy中，mat必須是2維的,但是array可以是多維的（1D，2D，3D····ND）. Matrix是Array的一個小的分支，包含於Array。所以matrix 擁有array的所有特性。
在numpy中matrix的主要優勢是：相對簡單的乘法運算符號。例如，a和b是兩個matrices，那麼a*b，就是矩陣積。
若a=mat([1,2,3])是矩陣，則 a.A 則轉換成了數組，反之，a.M則轉換成了矩陣。
(2)pythonsumaxis1擴展閱讀：
常用的Numpy運算：
取矩陣中的某一行ss[1,:]或該行的某兩列ss[1,0:2]
將數組轉換成矩陣randMat=mat(random.rand(4,4))
矩陣求逆randMat.I
單位陣eye(4)
零矩陣zeros((x,y))建立x行y列的零矩陣。
最大值和最小值a.max(),a.min(),而a.max(0)表示按列選取每列的最大值。最大/小元素的下標a.argmax(),a.argmin()
#作為方法x.sum() #所有元素相加x.sum(axis=0) #按列相加x.sum(axis=1) #按行相加#作為函數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)) #按列或行求標准差ss.T或ss.transpose() #轉置。
3. python axis是什麼意思
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維變化的方向進行。
python axis的意思是：
axis=0表述列
axis=1表述行
就記住axis=i，操作就是沿第i維變化的方向進行;
對於一個4*3*2*3的數組：
axis=0,操作時只有第0維的下標變化其他不變。
axis=1,操作時只有第1維的下標變化其他不變。
axis=2,操作時只有第2維的下標變化其他不變。
axis=3,操作時只有第3維的下標變化其他不變。
相關學習推薦：python視頻
以上就是小編分享的關於python axis是什麼意思的詳細內容希望對大家有所幫助，更多有關python教程請關注環球青藤其它相關文章！
4. 在使用python進行編程的過程中,設置屬性axis=1,表示的是什麼含義
摘要 如果我們調用df.mean(axis=1),我們將得到按行計算的均值
5. python中刪除數據框某個行時，語法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)可以刪除第i行
import pandas as pd
data=pd.DataFrame([[1,2,3],[4,5,6]])
print data.drop(0)輸出結果為 0 1 21 4 5 6
6. python對excel操作
Python對於Excel的操作是多種多樣的，掌握了相關用法就可以隨心所欲的操作數據了！
操作xls文件
xlrd（讀操作）：
import xlrd
1、引入xlrd模塊
workbook=xlrd.open_workbook("36.xls")
2、打開[36.xls]文件，獲取excel文件的workbook（工作簿）對象
names=workbook.sheet_names()
3、獲取所有sheet的名字
worksheet=workbook.sheet_by_index(0)
4、通過sheet索引獲得sheet對象
worksheet為excel表第一個sheet表的實例化對象
worksheet=workbook.sheet_by_name("各省市")
5、通過sheet名獲得sheet對象
worksheet為excel表sheet名為【各省市】的實例化對象
nrows=worksheet.nrows
6、獲取該表的總行數
ncols=worksheet.ncols
7、獲取該表的總列數
row_data=worksheet.row_values(n)
8、獲取該表第n行的內容
col_data=worksheet.col_values(n)
9、獲取該表第n列的內容
cell_value=worksheet.cell_value(i,j)
10、獲取該表第i行第j列的單元格內容
xlwt（寫操作）：
import xlwt
1、引入xlwt模塊
book=xlwt.Workbook(encoding="utf-8")
2、創建一個Workbook對象，相當於創建了一個Excel文件
sheet = book.add_sheet('test')
3、創建一個sheet對象，一個sheet對象對應Excel文件中的一張表格。
sheet.write(i, j, '各省市')
4、向sheet表的第i行第j列，寫入'各省市'
book.save('Data\\36.xls')
5、保存為Data目錄下【36.xls】文件
操作xlsx文件
openpyxl（讀操作）：
import openpyxl
1、引入openpyxl模塊
workbook=openpyxl.load_workbook("36.xlsx")
2、打開[36.xlsx]文件，獲取excel文件的workbook（工作簿）對象
names=workbook.sheetnames
worksheet=workbook.worksheets[0]
worksheet=workbook["各省市"]
ws = workbook.active
6、獲取當前活躍的worksheet,默認就是第一個worksheet
nrows=worksheet.max_row
7、獲取該表的總行數
ncols=worksheet.max_column
8、獲取該表的總列數
content_A1= worksheet['A1'].value
9、獲取該表A1單元格的內容
content_A1=worksheet.cell(row=1,column=1).value
10、獲取該表第1列第1列的內容
openpyxl（寫操作）：
workbook=openpyxl.Workbook()worksheet = workbook.active
3、獲取當前活躍的worksheet,默認就是第一個worksheet
worksheet.title="test"
4、worksheet的名稱設置為"test"
worksheet = workbook.create_sheet()
5、創建一個新的sheet表，默認插在工作簿末尾
worksheet.cell(i,j,'空')
6、第i行第j列的值改成'空'
worksheet["B2"]="空"
7、將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","台灣省"])
9、添加行
workbook.save("Data\\36.xlsx")
10、保存為Data目錄下【36.xlsx】文件
pandas處理excel文件
pandas操作：
import pandas as pd
1、引入pandas模塊
data = pd.read_excel('36.xls')
2、讀取[36.xls]或者[36.xlsx]文件
data = pd.read_csv('36.csv')
3、讀取[36.csv]文件
data=data.dropna(subset=['店鋪'])
4、過濾掉data店鋪列有缺失的數據
data.sort_values("客戶網名", inplace=True)
5、將data數據按照客戶網名列進行從小到大排序
data = pd.read_csv(36.csv, skiprows = [0,1,2],sep = None, skipfooter = 4)
6、讀取[36.csv]文件，前三行和後四行的數據略過
data = data.fillna('空')
7、將data中的空白處填充成'空'
data.drop_plicates('訂單','first',inplace=True)
8、data中的數據，按照【訂單】列做去重處理，保留第一條數據
data=pd.DataFrame(data,columns=['訂單','倉庫'])
9、只保留data中【訂單】【倉庫】列的數據
data = data[(data[u'展現量'] > 0)]
10、只保留【展現量】列中大於0的數據
data= data[data["訂單"].str.contains('000')]
11、只保留【訂單】列中包含'000'的數據
data= data[data["倉庫"]=='正品倉']
12、只保留【倉庫】列是'正品倉'的數據
xs= data[data["店鋪"]=='南極人']['銷售額']
13、獲取店鋪是南極人的銷售額數據
data['訂單'] = data['訂單'].str[3:7]
14、【訂單】列的值只保留4-8個位元組的值
data["郵資"] = np.where((data['店鋪'].str.contains('T|t')) & -(data['倉庫'] == '代發倉'), 8, data['郵資'])
15、滿足店鋪列包含 T 或 t 並且倉庫不等於'代發倉'的話，將郵資的值改成8，否則值不變
data = np.array(data).tolist()
16、將data從DataFrame轉換成列表
data=pd.DataFrame(data)
17、將列表轉換成DataFrame格式
zhan = data[u'展現'].sum().round(2)
18、將data中所有展現列數據求和，並取兩位小數
sum=data.groupby(['店鋪'])['刷單'].sum()
19、將data中按照店鋪對刷單進行求和
counts=data['店鋪'].value_counts()
20、將data按照店鋪進行計算
avg=data.groupby(['店鋪'])['刷單'].mean()
21、將data按照店鋪對刷單進行求平均數
count = pd.concat([counts,sum], axis=1, ignore_index=True, sort=True)
22、將counts和sum兩個DataFrame進行了組合
count=count.rename(index=str, columns={0: "訂單", 1: "成本"})
23、將新生成的DataFrame列名進行修改
data = pd.merge(sum, counts, how='left', left_on='店鋪', right_on='店鋪')
24、將列表轉換成DataFrame格式
from openpyxl import Workbook
wb=Workbook()
ws1=wb.active
data.to_excel('36.xlsx')
wb.close()
25、data完整的寫入到關閉過程，執行此操作的時候【36.xlsx】不能是打開狀態
excel格式操作
樣式處理：
1、打開【36.xlsx】
sheet=workbook.worksheets[0]
2、將第一個sheet對象賦值給sheet
sheet.column_dimensions['A'].width = 20.0
3、將A列的寬度設置為20
sheet.row_dismensions[1].height = 20.0
4、將第一行的行高設置為20
sheet.merge_cells('A1:A2')
5、將sheet表A1和A2單元格合並
sheet.unmerge_cells('A1:A2')
6、將sheet表A1和A2單元格取消合並
sheet.insert_rows(2,2)
7、將sheet表從第2行插入2行
sheet.insert_cols(3,2)
8、將sheet表從第3列插入2列
sheet.delete_rows(2)
9、刪除第2行
sheet.delete_cols(3, 2)
10、將sheet表從第3列開始刪除2列
from openpyxl.styles import Font, Border, PatternFill, colors, Alignment
11、分別引入字體、邊框、圖案填充、顏色、對齊方式
sheet.cell(i,j).font = Font(name='Times New Roman', size=14, bold=True, color=colors.WHITE)
12、設置sheet表第 i 行第 j 列的字體
sheet.cell(i,j).alignment = Alignment(horizontal='center', vertical='center')
13、設置sheet表第 i 行第 j 列的字體對齊方式
left, right, top, bottom = [Side(style='thin', color='000000')] * 4sheet.cell(i,j).border = Border(left=left, right=right, top=top, bottom=bottom)
14、引入邊框樣式並調用
fill = PatternFill("solid", fgColor="1874CD")sheet.cell(1,j).fill = fill
15、引入填充樣式，並調用
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','山東','浙江']
7. python中刪除數據框某個行時，語法df.drop('列名'，axis=1)中，使用axis=1，axis=1不是表示行么
其實問題理解axis有問題，也許簡單的來記就是axis=0代表往跨行（down)，而axis=1代表跨列（across)，作為方法動作的副詞。換句話說：使用0值表示沿著每一列或行標簽\索引值向下執行方法；使用1值表示沿著每一行或者列標簽模向執行對應的方法。
軸axis用來為超過一維的數組定義的屬性，二維數據擁有兩個軸：第0軸沿著行的垂直往下，第1軸沿著列的方向水平延伸。
所以問題當中df.drop（『列名』,
axis=1）代表將『列名』對應的列標簽（們）沿著水平的方向依次刪掉。
8. python數組求和
在數組和矩陣中使用sum: 對數組b和矩陣c,代碼b.sum()，np.sum(b),c.sum(),np.sum(c)都能將b、c中的所有元素求和並返回單個數值。
但是對於二維數組b，代碼b.sum(axis=0)指定對數組b對每列求和，b.sum(axis=1)是對每行求和，返回的都是一維數組（維度降了一維）。
而對應矩陣c，c.sum(axis=0)和c.sum(axis=1)也能實現對列和行的求和，但是返回結果仍是二維矩陣。
# 定義函數，arr 為數組，n 為數組長度，可作為備用參數，這里沒有用到。
def_sum(arr,n):
# 使用內置的 sum 函數計算。
return(sum(arr))
# 調用函數
arr=[]
# 數組元素
arr=[12,3,4,15]
# 計算數組元素的長度
n=len(arr)
ans=_sum(arr,n)
# 輸出結果
print('數組元素之和為',ans)
(8)pythonsumaxis1擴展閱讀：
python數組使用：
python 數組支持所有list操作，包括 .pop、.insert 和 .extend。另外，數組還提供從文件，讀取和存入文件的更快的方法，列如如 .frombytes 和 .tofile，如下所示我們定義一個數組。
from array import arrayarr=array('d',(a for a in range(5)))print(arr)。
arr=array('d',(a for a in range(5)))從這個代碼中可以看出，一個數組的定義需要傳入的不只是值還有類型。
可以是(must be c, b, B, u, h, H, i, I, l, L, f or d)。