Pandas中axis参数工作原理：为何dropna(axis=1)会删除列？

认知偏差来自于多数入门教程对axis参数的过度简化，本质上axis指定的是操作执行的遍历方向，而非简单的“操作对象是行还是列”：

• Pandas 中axis=0对应纵向（沿行索引从上到下的方向），axis=1对应横向（沿列名从左到右的方向）
• 所有涉及轴的方法，都会沿着指定的轴方向遍历取值做判断/计算，最终保留该轴的原有长度，另一个轴会被聚合压缩或者筛选删除。

两个方法的逻辑拆解 #

1. df.sum(axis=1)返回行求和结果的原因 #

sum属于聚合类方法，指定axis=1时，计算沿着横向（跨列方向）遍历每一行的所有列取值求和，每一行的多个列值被聚合成1个结果，最终保留0轴（行索引）的原有长度，所以返回值是每行的求和值，长度和原表行数一致，和运行结果完全匹配：

df.sum(axis=1)
# 输出
# 0   13.0
# 1   17.0
# 2   14.0
# 3    6.0

2. df.dropna(how='any', axis=1)删除列的原因 #

dropna属于筛选类方法，指定axis=1时，检查逻辑沿着横向（跨列方向）逐列扫描：只要某一列里存在任意一个缺失值，就把这一整列删掉。示例中A列第0行是NaN、C列第3行是NaN，只有B列无缺失值，所以最终A、C列被删除，仅保留B列：

df.dropna(how='any', axis=1)
# 输出
#    B
# 0  9
# 1  8
# 2  3
# 3  3

快速记忆规则 #

不用死记“axis=0/1对应行还是列”，直接按规则套用即可：

• 需要得到每行的聚合结果（每行求和、每行均值等），或者删除存在缺失值的列：用axis=1
• 需要得到每列的聚合结果（每列求和、每列最大值等），或者删除存在缺失值的行：用axis=0

如果要实现“删除所有包含缺失值的行”的需求，正确写法为：

df.dropna(how='any', axis=0)

内容的提问来源于stack exchange，提问作者user1888243