對pandas的算術(shù)運算和數(shù)據(jù)對齊實例詳解
pandas可以對不同索引的對象進(jìn)行算術(shù)運算，如果存在不同的索引對，結(jié)果的索引就是該索引對的并集。
一、算術(shù)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(jìn)行數(shù)據(jù)對齊操作，在不重疊的索引處會使用NA(NaN)值進(jìn)行填充，series進(jìn)行算術(shù)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(jìn)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(jìn)行相加的時候，設(shè)置fill_value的值是對于不存在索引的series用指定值進(jìn)行填充后再進(jìn)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(jìn)行填充的時候，需要注意的是，不能對已經(jīng)是值為NaN的進(jìn)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(jìn)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(jìn)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(jìn)行廣播的時候，必須要使用add方法，而且還要將axis設(shè)置為0，不然就會得到下面的結(jié)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(shù)運算和數(shù)據(jù)對齊實例詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python 基礎(chǔ)知識之字符串處理的相關(guān)資料,這里對字符串的判斷，搜索匹配及字符串變換進(jìn)行了詳解，需要的朋友可以參考下2017-01-01
在當(dāng)今數(shù)字化時代,情感分析與情緒識別技術(shù)日益成為人機(jī)交互,社交媒體分析,智能客服等領(lǐng)域的重要應(yīng)用,下面我們就來深入聊聊基于Python的情感分析與情緒識別技術(shù)吧2025-03-03
Python的Django REST框架中的序列化及請求和返回
這篇文章主要介紹了Python的Django REST框架中的序列化及請求和返回,使用Django REST來實現(xiàn)RESTful web service非常方便和強(qiáng)大,需要的朋友可以參考下2016-04-04
我們知道,python?是一種高級編程語言,它提供了自動內(nèi)存管理的功能,即垃圾回收機(jī)制,所以本文就來聊聊python的垃圾回收機(jī)制是如何實現(xiàn)的以及具體是使用,感興趣的可以了解下2023-09-09
python神經(jīng)網(wǎng)絡(luò)MobileNetV2模型的復(fù)現(xiàn)詳解
這篇文章主要為大家介紹了python神經(jīng)網(wǎng)絡(luò)MobileNetV2模型的復(fù)現(xiàn)詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
Python學(xué)習(xí)思維導(dǎo)圖(必看篇)
下面小編就為大家?guī)硪黄狿ython學(xué)習(xí)思維導(dǎo)圖(必看篇)。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-06-06
這篇文章主要介紹了Python隨機(jī)生成帶特殊字符的密碼的相關(guān)資料,需要的朋友可以參考下2016-03-03
在Python實際開發(fā)中會經(jīng)常需要用到對列表進(jìn)行排序,下面這篇文章主要給大家介紹了關(guān)于python列表中常見的一些排序方法,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-09-09
windows下python虛擬環(huán)境virtualenv安裝和使用詳解
這篇文章主要介紹了windows下python虛擬環(huán)境virtualenv安裝和使用詳解，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-07-07
本文主要介紹了Python導(dǎo)入模塊的3種方式小結(jié)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03