在numpy与pandas的使用中，有个常见的参数axis，根据对axis的设定值不同就会得到截然不同的结果。对于如何正确设置axis的参数值，如果有人与我曾经一样有似懂非懂的经历，那一定是在某方面没有正确的理解作者对这个参数的定义。

为了彻底说清楚axis到底是什么，我会用手稿图结合多个详细的例子来总结。

先借用网上常见描绘的axis图：

其实这个图里的方向指示很容易误导人，包括一些网上的解释也比较模糊，只要你站在不同角度去理解就会造成理解偏差，我曾经就误解绕了进去，虽然用自己理解的方法得到的结果看似是对的，但是放到其它场景时又发现是错的，才导致似懂非懂。

首先，axis定义为轴。在一维的数组中它只有一个轴就是0轴，指的是遍历每一行（所对应的是index），而把每一行拿出来遍历后，它所呈现的操作方向是垂直向下的。当在二维数组中它就有两个轴，除了前面提到的0轴外另一个轴就是1轴，指的遍历每一列（所对应的是columns），而把每一列拿出来遍历后，它所呈现的操作方向是横向水平的。

所以简单只需记住，设定axis是为了确定要删的标签是属于index还是column：

• axis = 0 时跨行操作，一行行，方向垂直向下。所以操作的是行标签，也就是index，遍历的操作方向是垂直向下。如果是以聚合操作（如sum、mean、apply等），指的是按照遍历的操作方向竖着，跨行操作。如果从直观上理解就是，常规形式下axis = 0是对整行操作，聚合形式下是对整列操作计算。
• axis = 1时跨列操作，一列列，方向水平横向。所以操作的是列标签，也就是columns。如果是以聚合操作（如sum、mean、apply等），指的是按照遍历的操作方向横着，跨列操作。如果从直观上理解就是，常规形式下axis = 1是对整列操作，聚合形式下是对整行操作计算。

在用例子说明前，先定义一个初始DataFrame数据类型，也就是前面提到的二维数据结构，所以它具有0轴和1轴。

1、当axis=0时移除缺失值

本例子的目的是删除含有存在缺失值的标签索引行，这里使用dropna()方法移除缺失值，由于设置了axis=0所以对每一行进行遍历（但是它遍历的方向是垂直向下的，这就是为什么说axis=0时方向向下），如果发现任何一行中包含缺失值，那么删除该行。

操作步骤图解如下：

经过上图的图解过程后，会发现0，1，2行都包含缺失值所以都被删除。最后只剩下索引为3的这一行，也就是之前代码运行得到的正确结果。

2、当axis=1时移除缺失值

本例子的目的是删除含有存在缺失值的标签列，这里使用dropna()方法移除缺失值，由于设置了axis=1所以对每一列进行遍历（但是它遍历的方向是水平横向的，这就是为什么说axis=1时方向水平），如果发现任何一列中包含缺失值，那么删除该列。

操作步骤图解如下：

经过上图的图解过程后，会发现col3，col4两列都包含缺失值所以都被删除。最后只剩下col1，col2的这两列，也就是之前代码运行得到的正确结果。

3、使用thresh参数搭配axis参数

当遍历的每一行或列，满足大于等于thresh参数所指定数量的非缺失值（non-NA），便显示这一行或列。例：如果thresh=4，当遍历的行或列中存在大于等于4个非缺失值，即可显示，否则移除。

如下图解，当thresh=4，axis=0时，使用dropna()方法，代表遍历每一行寻找是否满足4个非缺失值，不满足就移除。最后发现只剩下索引为3的这一行满足，所以只显示该行数据。

同理，当thresh=4，axis=1时，使用dropna()方法，代表遍历每一列寻找是否满足4个非缺失值，不满足就移除。最后发现只剩下标签列为col1和col2的这两列满足，所以只显示该两列数据。

4、使用聚合操作搭配axis参数

当使用聚合操作时和平时会有些不一样，比如当axis=0时是向下跨行，axis=1时是水平跨列。

怎么理解跨行和跨例呢，看下下面的例子：

首先，计算mean、sum等批量计算的函数操作时，可以理解为属于聚合操作。如下例子，当要计算当axis=0时的sum总和操作时，从图解中可以看到，它并不是按照之前理解的那样计算每一整行的总和，而是指的是按照遍历的操作方向向下跨行计算，输出每列的总和。

要计算当axis=1时的sum总和操作时，从图解中可以看到，它并不是按照之前理解的那样计算每一整列的总和，而是指的是按照遍历的操作方向水平跨列计算，输出每行的总和。

所以，使用聚合操作的时候，axis = 0 就是对整列操作，axis = 1就是对整行操作，正好和常规情况相反。