Pandas中的Series和DataFrame间的算术元素实例用法
这篇文章主要讲解了“Pandas中的Series和DataFrame间的算术元素实例用法”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Pandas中的Series和DataFrame间的算术元素实例用法”吧!
如下所示:
import numpy as np import pandas as pd from pandas import Series,DataFrame
一、Series与Series
s1 = Series([1,3,5,7],index=['a','b','c','d']) s2 = Series([2,4,6,8],index=['a','b','c','e'])
索引对齐项相加,不对齐项的值取NaN
s1+s2 1 a 3.0 b 7.0 c 11.0 d NaN e NaN dtype: float64
二、DataFrame与DataFrame
data1 = {'水果':['苹果','梨','草莓'], '数量':[3,2,5], '价格':[10,9,8]} data2 = {'数量':[3,2,5,6], '价格':[10,9,8,7]} df1 = DataFrame(data1) df2 = DataFrame(data2)
在行和列上同时对齐后进行计算,如果找不到对应项则取NaN
print(df1*df2)
价格 数量 水果 0 100.0 9.0 NaN 1 81.0 4.0 NaN 2 64.0 25.0 NaN 3 NaN NaN NaN
三、Series与DataFrame
1.利用广播实现DataFrame与某行的运算
print(df2+df2.iloc[0]) # 将第0行加到所有行上
价格 数量 0 20 6 1 19 5 2 18 8 3 17 9
2.利用广播实现DataFrame与某列的运算(指定轴axis=0)
print(df2.sub(df2.iloc[:,0],axis=0))
价格 数量 0 0 -7 1 0 -7 2 0 -3 3 0 -1
3.运算时如果无法对齐,则填充NaN
s = Series([1,1,1],index=['数量','价格','重量']) print(df2+s)
价格 数量 重量 0 11 4 NaN 1 10 3 NaN 2 9 6 NaN 3 8 7 NaN
感谢各位的阅读,以上就是“Pandas中的Series和DataFrame间的算术元素实例用法”的内容了,经过本文的学习后,相信大家对Pandas中的Series和DataFrame间的算术元素实例用法这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!