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+s2
1
a 3.0
b 7.0
c 11.0
d NaN
e NaN
dtype: 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 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
|
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 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)
|
1
|
print(df2.sub(df2.iloc[:,0],axis=0))
|
|
1
2
3
4
5
|
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
|
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 NaN
1 10 3 NaN
2 9 6 NaN
3 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