pandas可以對不同索引的對象進行算術運算，如果存在不同的索引對，結果的索引就是該索引對的并集。
一、算術運算
a、series的加法運算
s1 = Series([1,2,3],index=["a","b","c"]) s2 = Series([4,5,6],index=["a","c","e"]) print(s1+s2) ''' a 5.0 b NaN c 8.0 e NaN '''
sereis相加會自動進行數據對齊操作，在不重疊的索引處會使用NA(NaN)值進行填充，series進行算術運算的時候，不需要保證series的大小一致。
b、DataFrame的加法運算
d1 = np.arange(1,10).reshape(3,3) dataFrame1 = DataFrame(d1,index=["a","b","c"],columns=["one","two","three"]) d2 = np.arange(1,10).reshape(3,3) dataFrame2 = DataFrame(d2,index=["a","b","e"],columns=["one","two","four"]) print(dataFrame1+dataFrame2) ''' four one three two a NaN 2.0 NaN 4.0 b NaN 8.0 NaN 10.0 c NaN NaN NaN NaN e NaN NaN NaN NaN '''
dataFrame相加時，對齊操作需要行和列的索引都重疊的時候才回相加，否則會使用NA值進行填充。
二、指定填充值
s1 = Series([1,2,3],index=["a","b","c"]) s2 = Series([4,5,6],index=["a","c","e"]) print( s1.add(s2,fill_value=0)) ''' a 5.0 b 2.0 c 8.0 e 6.0 '''
需要注意的時候，使用add方法對兩個series進行相加的時候，設置fill_value的值是對于不存在索引的series用指定值進行填充后再進行相加。除了加法add，還有sub減法,div除法,mul乘法，使用方式與add相同。DataFrame與series一樣。
s1 = Series([1,2,3],index=["a","b","c"]) s2 = Series([4,5,6],index=["a","c","e"]) print(s2.reindex(["a","b","c","d"],fill_value=0)) ''' a 4 b 0 c 5 d 0 ''' s3 = s1 + s2 print(s3.reindex(["a","b","c","e"],fill_value=0)) ''' a 5.0 b NaN c 8.0 e NaN '''
使用reindex進行填充的時候，需要注意的是，不能對已經是值為NaN的進行重新賦值，只能對使用reindex之前不存在的所以使用指定的填充值，DataFrame也是一樣的。
三、DataFrame與Series的混合運算
a、DataFrame的行進行廣播
a = np.arange(9).reshape(3,3) d = DataFrame(a,index=["a","b","c"],columns=["one","two","three"]) #取d的第一行為Series s = d.ix[0] print(d+s) ''' one two three a 0 2 4 b 3 5 7 c 6 8 10 '''
b、DataFrame的列進行廣播
a = np.arange(9).reshape(3,3) d = DataFrame(a,index=["a","b","c"],columns=["one","two","three"]) #取d的第一列為Series s = d["one"] print(d.add(s,axis=0)) ''' one two three a 0 1 2 b 6 7 8 c 12 13 14 '''
對列進行廣播的時候，必須要使用add方法，而且還要將axis設置為0，不然就會得到下面的結果
print(d.add(s)) ''' a b c one three two a NaN NaN NaN NaN NaN NaN b NaN NaN NaN NaN NaN NaN c NaN NaN NaN NaN NaN NaN '''
以上這篇對pandas的算術運算和數據對齊實例詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
