淺談Pandas:Series和DataFrame間的算術(shù)元素
更新時(shí)間：2018年12月22日 11:30:46 作者：BQW_
今天小編就為大家分享一篇淺談Pandas:Series和DataFrame間的算術(shù)元素，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
如下所示：
import numpy as np import pandas as pd from pandas import Series,DataFrame
一、Series與Series
s1 = Series([1,3,5,7],index=['a','b','c','d']) s2 = Series([2,4,6,8],index=['a','b','c','e'])
索引對(duì)齊項(xiàng)相加，不對(duì)齊項(xiàng)的值取NaN
s1+s2 1 a 3.0 b 7.0 c 11.0 d NaN e NaN dtype: float64
二、DataFrame與DataFrame
data1 = {'水果':['蘋果','梨','草莓'],
'數(shù)量':[3,2,5],
'價(jià)格':[10,9,8]}
data2 = {'數(shù)量':[3,2,5,6],
'價(jià)格':[10,9,8,7]}
df1 = DataFrame(data1)
df2 = DataFrame(data2)
在行和列上同時(shí)對(duì)齊后進(jìn)行計(jì)算，如果找不到對(duì)應(yīng)項(xiàng)則取NaN
print(df1*df2)
價(jià)格 數(shù)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與DataFrame
1.利用廣播實(shí)現(xiàn)DataFrame與某行的運(yùn)算
print(df2+df2.iloc[0]) # 將第0行加到所有行上
價(jià)格 數(shù)量 0 20 6 1 19 5 2 18 8 3 17 9
2.利用廣播實(shí)現(xiàn)DataFrame與某列的運(yùn)算(指定軸axis=0)
print(df2.sub(df2.iloc[:,0],axis=0))
價(jià)格 數(shù)量 0 0 -7 1 0 -7 2 0 -3 3 0 -1
3.運(yùn)算時(shí)如果無(wú)法對(duì)齊，則填充NaN
s = Series([1,1,1],index=['數(shù)量','價(jià)格','重量']) print(df2+s)
價(jià)格 數(shù)量 重量 0 11 4 NaN 1 10 3 NaN 2 9 6 NaN 3 8 7 NaN
以上這篇淺談Pandas:Series和DataFrame間的算術(shù)元素就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:
相關(guān)文章
Python搭建代理IP池實(shí)現(xiàn)檢測(cè)IP的方法
這篇文章主要介紹了Python搭建代理IP池實(shí)現(xiàn)檢測(cè)IP的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
解決pycharm修改代碼后第一次運(yùn)行不生效的問(wèn)題
這篇文章主要介紹了解決pycharm修改代碼后第一次運(yùn)行不生效的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-02-02
代碼是沒(méi)問(wèn)題的，可以正常運(yùn)行，但是希望做到以下2方面： 1、多線程下載 2、代碼分離度更高，跟面向?qū)ο?2008-12-12
PyCharm Python Console中文輸出亂碼問(wèn)題及解決
這篇文章主要介紹了PyCharm Python Console中文輸出亂碼問(wèn)題及解決方案，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-07-07
Python循環(huán)實(shí)現(xiàn)n的全排列功能
這篇文章主要介紹了Python循環(huán)實(shí)現(xiàn)n的全排列功能，本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-09-09
這篇文章主要介紹了pycharm如何中導(dǎo)入本地下載好的庫(kù)問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-08-08
這篇文章主要介紹了django免除csrf校驗(yàn)的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-05-05
這篇文章主要為大家介紹了Python Map 函數(shù)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來(lái)幫助2021-12-12
python+opencv實(shí)現(xiàn)動(dòng)態(tài)物體追蹤
這篇文章主要為大家詳細(xì)介紹了python+opencv實(shí)現(xiàn)動(dòng)態(tài)物體的追蹤，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
python 還原梯度下降算法實(shí)現(xiàn)一維線性回歸
這篇文章主要介紹了python 還原梯度下降算法實(shí)現(xiàn)一維線性回歸，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10