這段代碼是用 Python 編寫的。Pandas 數(shù)據(jù)框名稱是“train”，數(shù)據(jù)框中的列名稱是帶有浮動值的“Age”和帶有一些分類數(shù)字的“Pclass”。代碼：請找到以下代碼：def impute_age(cols): Age = cols[0] Pclass = cols[1] if pd.isnull(Age): if Pclass == 1: return 37 elif Pclass == 2: return 29 else: return 24 else: return Agetrain['Age'] = train[['Age','Pclass']].apply(impute_age,axis=0)這里“年齡”列變成了 NAN。我不明白軸列是如何工作的，“年齡”列中的所有記錄都變成了 NAN。
3 回答
侃侃爾雅
TA貢獻(xiàn)1801條經(jīng)驗(yàn) 獲得超16個贊
Axis 代表您想要指向的軸，0 表示行，1 表示列。因此，在此示例中，您在 Age 和 P 類列的行上使用 impute_age 函數(shù)。
慕田峪4524236
TA貢獻(xiàn)1875條經(jīng)驗(yàn) 獲得超5個贊
這是因?yàn)槟诹卸皇切兄袘?yīng)用了該函數(shù)。
例子：
data = pd.DataFrame([[np.NaN, 1], [np.NaN, 2], [np.NaN, 1]], columns=["age", "pclass"])
print(data)
輸出
age pclass
0 NaN 1
1 NaN 2
2 NaN 1
軸 = 0
data[['age','pclass']].apply(print, axis=0)
輸出
0 None
1 None
2 None
Name: age, dtype: object
0 1
1 2
2 1
Name: pclass, dtype: object
//Iterate through columns
軸 = 1
data[['age','pclass']].apply(print, axis=1)
輸出
age None
pclass 1
Name: 0, dtype: object
age None
pclass 2
Name: 1, dtype: object
age None
pclass 1
Name: 2, dtype: object
//Iterate through the row
慕萊塢森
TA貢獻(xiàn)1810條經(jīng)驗(yàn) 獲得超4個贊
axis 屬性意味著您沿著該軸應(yīng)用函數(shù)：
column1 column2
+-------+---------+
row1 | | | ----> axis1
+-------+---------+
row2 | | |
+-------+---------+
|
V
axis 0
如果您考慮這樣的函數(shù)：
def sum(cols):
s = 0
for i in cols:
s +=i
return s
并將其應(yīng)用到數(shù)據(jù)框 df：
total_sum = df.apply(sum, axis = 0)
它將采用第一列 1 并按照上面草圖中箭頭（軸 0）的方向逐行應(yīng)用函數(shù)。接下來它將采用下一個column2，依此類推。最后您將得到每列的總和。
對于 axis = 1，它將采用 row1 并按列應(yīng)用該函數(shù)。然后將需要 row2 等等。結(jié)果，您將獲得每行的總和。
在您的軸等于 0 的示例中，它將“年齡”列作為系列傳遞給您的 impute_age 函數(shù)。然后，您僅訪問該系列的前兩個值（行）（cols[0] 和 cols[1]）。下一欄也會發(fā)生同樣的情況。那不是你想要的。
相反，您希望將每一行傳遞給函數(shù)并訪問列，因此您必須指定 axis = 1。
添加回答
舉報(bào)
0/150
提交
取消