axis = 0, axis=1 がわからなくなった人へ

#どちらの軸に沿うかを考える

列に沿った処理はaxis=0
行に沿った処理はaxis=1

#sum

a = np.array([[1,2,3],
             [4,5,6]])
print(a)

[[1 2 3]
[4 5 6]]

np.sum(a, axis=0)

array([5, 7, 9])

列に沿って足し算している（1+4, 2+5, 3+6)

np.sum(a, axis=1)

array([ 6, 15])

行に沿って足し算している (1+2+3, 4+5+6)

#repeat

np.repeat(a,3, axis=0)

array([[1, 2, 3],
[1, 2, 3],
[1, 2, 3],
[4, 5, 6],
[4, 5, 6],
[4, 5, 6]])

列に沿って広げている

np.repeat(a,3, axis=1)

array([[1, 1, 1, 2, 2, 2, 3, 3, 3],
[4, 4, 4, 5, 5, 5, 6, 6, 6]])

行に沿って広げている

#drop

X.drop('INDUS',axis=1).head()

行に沿ってカラムを選んでいる
CRIM　→　ZN →　INDUS　→　CHAS　→　・・・

・axis=0だとエラーになる

#Imputer

数値が０の場合、平均値を入れるという処理をするImputer
＊本来は欠損値に適用するが今回は視覚的にわかりやすいように

from sklearn.preprocessing import Imputer
imp = Imputer(missing_values=0, strategy='mean', axis=0)
imp.fit(X)

X_columns = X.columns.values
X = pd.DataFrame(imp.transform(X), columns=X_columns)

X.head()

列に沿って平均値を計算している
INDUSの場合
→　2.31 + 7.07 + 7.07 + 2.18 + 2.18 + ..... / データ数

#fillna

X.fillna(0,axis=0)
# X.fillna(0,axis=1)

欠損値に０を入れる処理
この場合axis=0でもaxis=1でも同じ結果になる
axis = 0 は列に沿って数値をチェックしていきNaNがあったら0にする
axis = 1は行に沿って数値をチェックしていきNaNがあったら0にする
#reindex

a.reindex(['c2','c3','c1'], axis=1)

行に沿ってカラムの入れ替えをしている