在处理Pandas的函数应用上，axis应用到 dropna 和 apply 上特效正好相反

在处理Pandas的函数应用上，遇到一个坑，当我们在调用 axis 属性时，一不小心很容易入坑，在处理缺失数据 dropna 和通过 apply 将函数应用到每个数据上，axis表示的不同。

1、 dropna 在使用 axis 时，
     默认 axis=0 表示按行，只要行有NaN就去除此行
     axis=1 表示按列，只要列有NaN就去除此列

下面是源码的解释：
 axis : {0 or 'index', 1 or 'columns'}, or tuple/list thereof
   Pass tuple or list to drop on multiple axes

2、 apply 在使用 axis 时，
     默认 axis=0 表示按列计算，这里和上面的不同
     axis=1 表示按行计算

下面是源码的解释：
 axis : {0 or 'index', 1 or 'columns'}, default 0
         * 0 or 'index': apply function to each column
         * 1 or 'columns': apply function to each row

例：

处理缺失数据
示例代码：
df_data = pd.DataFrame([np.random.randn(3), [1., 2., np.nan],
                       [np.nan, 4., np.nan], [1., 2., 3.]])
print(df_data.head())
运行结果：
          0         1         2
0 -0.281885 -0.786572  0.487126
1  1.000000  2.000000       NaN
2       NaN  4.000000       NaN
3  1.000000  2.000000  3.000000
1. 判断是否存在缺失值：isnull()
示例代码：
# isnull
print(df_data.isnull())
运行结果：
       0      1      2
0  False  False  False
1  False  False   True
2   True  False   True
3  False  False  False
2. 丢弃缺失数据：dropna()
根据axis轴方向，丢弃包含NaN的行或列。 示例代码：
# dropna
print(df_data.dropna())
# 默认 axis=0 表示按行，只要行有NaN就去除此行

# 程序源代码解释>>>>>
# axis : {0 or 'index', 1 or 'columns'}, or tuple/list thereof
  # Pass tuple or list to drop on multiple axes

print(df_data.dropna(axis=1))# axis=1 表示按列，只要列有NaN就去除此行
运行结果：
          0         1         2
0 -0.281885 -0.786572  0.487126
3  1.000000  2.000000  3.000000

          1
0 -0.786572
1  2.000000
2  4.000000
3  2.000000


apply 和 applymap
1. 可直接使用NumPy的函数
示例代码：
# Numpy ufunc 函数
df = pd.DataFrame(np.random.randn(5,4) - 1)
print(df)

print(np.abs(df))
运行结果：
              0         1         2         3
0 -1.714216 -1.612752 -1.646193 -1.003224
1 -1.586357 -0.441958 -2.359834 -1.254230
2 -1.923455 -0.529722 -0.182811 -1.030291
3 -1.231890  0.365055 -1.908999  0.362850
4 -0.810931 -1.476705 -2.959405 -0.625998
          0         1         2         3
0  1.714216  1.612752  1.646193  1.003224
1  1.586357  0.441958  2.359834  1.254230
2  1.923455  0.529722  0.182811  1.030291
3  1.231890  0.365055  1.908999  0.362850
4  0.810931  1.476705  2.959405  0.625998

2. 通过apply将函数应用到列或行上
示例代码：
# 使用apply应用行或列数据
#f = lambda x : x.max()
print(df.apply(lambda x : x.max()))
注意指定轴的方向，默认axis=0，方向是列

# 程序源代码解释>>>>>
# axis : {0 or 'index', 1 or 'columns'}, default 0
  #       * 0 or 'index': apply function to each column
  #       * 1 or 'columns': apply function to each row
示例代码：
# 指定轴方向，axis=1，方向是行
print(df.apply(lambda x : x.max(), axis=1))
运行结果：
0   -0.810931
1    0.365055
2   -0.182811
3    0.362850
dtype: float64
0   -1.003224
1   -0.441958
2   -0.182811
3    0.365055
4   -0.625998
dtype: float64