如下所示：
一、Series与Series
|
1
2
|
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
|
1
2
3
4
5
6
7
8
|
s1+s21a 3.0b 7.0c 11.0d NaNe NaNdtype: float64 |
二、DataFrame与DataFrame
|
1
2
3
4
5
6
7
|
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
|
1
|
print(df1*df2) |
|
1
2
3
4
5
|
价格 数量 水果0 100.0 9.0 NaN1 81.0 4.0 NaN2 64.0 25.0 NaN3 NaN NaN NaN |
三、Series与DataFrame
1.利用广播实现DataFrame与某行的运算
|
1
|
print(df2+df2.iloc[0]) # 将第0行加到所有行上 |
|
1
2
3
4
5
|
价格 数量0 20 61 19 52 18 83 17 9 |
2.利用广播实现DataFrame与某列的运算(指定轴axis=0)
|
1
|
print(df2.sub(df2.iloc[:,0],axis=0)) |
|
1
2
3
4
5
|
价格 数量0 0 -71 0 -72 0 -33 0 -1 |
3.运算时如果无法对齐，则填充NaN
|
1
2
|
s = Series([1,1,1],index=['数量','价格','重量'])print(df2+s) |
|
1
2
3
4
5
|
价格 数量 重量0 11 4 NaN1 10 3 NaN2 9 6 NaN3 8 7 NaN |
以上这篇浅谈Pandas:Series和DataFrame间的算术元素就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/bqw18744018044/article/details/79935676
