简述一种如何直观的理解Pandas 和 Numpy里面的axis参数的方法。
Numpy 和 Pandas里的sort、mean、drop等操作，不是分行或者列分别用一个method来定义，而是一个method里面用户指定axis来操作的，举例来说：
我们先在此处下载了一份各国酒类消费的csv文件为例。
如下是pandas里按axis 0和1进行drop的操作示例，我们很容易看出，axis 0是按行drop，而axis 1是按列drop：
但是，mean操作呢？
容易看出，axis 0得出了每一列的均值，而axis 1得出了则是每一行的均值。
那么，在Numpy里呢？
容易看出，axis为1的时候得出的是每行的sum，axis为0的时候得出了每列的sum。
由上面的例子，我们似乎可以看出，axis为1代表水平方向上的操作，axis为0代表垂直方向上的操作，比如axis为1的sum得出的就是每一行的和。
但是，在Pandas的Dataframe里面，为什么axis=1代表的是drop整个列呢？以下这个例子也可以说明一些情况：
联系这个视频How do I use the “axis” parameter in pandas? - YouTube，大家也可以得到一些结论，作者说：
0 is the row axis, and 1 is the column axis. When you drop with axis=1, that means drop a column. When you take the mean with axis=1, that means the operation should “move across” the column axis, which produces row means.
指的就是一种更加容易理解的方式，“0就是行的axis，1就是列的axis，当以axis=1来drop，那么就是drop一个column，而axis=1 来取mean，那么就是这个操作‘穿越’了列的axis，产生了行上的mean”。
另外，其实我们也可以这样来操作，
可以看出，axis=0与axis=’rows’是一样的（在Pandas里），是不是更加容易理解了？
How to Use t-SNE Effectively这个网站给了一个非常形象的t-SNE在线实验环境，推荐大家去看一看！