目录
前言
在数据处理和分析中,Pandas 是一个强大的工具,能够方便地对数据进行处理、分析和操作。本文将分享关于 Pandas 中一维对象和二维对象的运算操作实例,包括对 Series 和 DataFrame 进行加减乘除等运算,并探讨布尔型对象的应用。通过实例演示,读者将更加深入地了解 Pandas 在数据处理中的灵活性和强大功能。
第一点:导入模块
import pandas as pd
第二点:对象的运算代码书写
#创建一维对象
sr=pd.Series([53,64,72],index=['1号','2号','3号'])
sr=sr+10
print(sr)
# 1号 63
# 2号 74
# 3号 82
sr=sr*10
print(sr)
# 1号 630
# 2号 740
# 3号 820
sr=sr**2
print(sr)
# 1号 396900
# 2号 547600
# 3号 672400
#二维对象的运算
v=[[53,'女'],[64,'男'],[72,'男']]
df=pd.DataFrame(v,index=['1号','2号','3号'],columns=['年龄','性别'])
print(df)
# 年龄 性别
# 1号 53 女
# 2号 64 男
# 3号 72 男
df['年龄']=df['年龄']+10
print(df)
# 年龄 性别
# 1号 63 女
# 2号 74 男
# 3号 82 男
第三点:对象与对象之间的运算
#创建两个对象
v1=[10,20,30,40]
k1=['1号','2号','3号','4号']
sr1=pd.Series(v1,index=k1)
print(sr1)
v2=[1,2,3]
k2=['1号','2号','3号']
sr2=pd.Series(v2,index=k2)
print(sr2)
#加法
print(sr1+sr2)
# 1号 11.0
# 2号 22.0
# 3号 33.0
# 4号 NaN
# dtype: float64
#减法
print(sr1-sr2)
# 1号 9.0
# 2号 18.0
# 3号 27.0
# 4号 NaN
# dtype: float64
#乘法
print(sr1*sr2)
# 1号 10.0
# 2号 40.0
# 3号 90.0
# 4号 NaN
# dtype: float64
#除法
print(sr1/sr2)
# 1号 10.0
# 2号 10.0
# 3号 10.0
# 4号 NaN
# dtype: float64
# 二维对象和二维对象之间的运算
v1=[[10,'女'],[20,'男'],[30,'男'],[40,'女']]
v2=[1,2,3,4]
k1=['1号','2号','3号','4号']
k2=['1号','2号','3号','4号']
c1=['年龄','性别']
c2=['牌照']
df1=pd.DataFrame(v1,index=k1,columns=c1)
df2=pd.DataFrame(v2,index=k2,columns=c2)
print(df1,df2)
# 年龄 性别
# 1号 10 女
# 2号 20 男
# 3号 30 男
# 4号 40 女
# 牌照
# 1号 1
# 2号 2
# 3号 3
# 4号 4
#加法
df1['加法']=df1['年龄']+df2['牌照']
print(df1)
# 年龄 性别 加法
# 1号 10 女 11
# 2号 20 男 22
# 3号 30 男 33
# 4号 40 女 44
第四点:布尔型运算
v=[[53,'女'],[64,'男'],[72,'男']]
df=pd.DataFrame(v,index=['1号','2号','3号'],columns=['年龄','性别'])
print(df['年龄']>60)
# 1号 False
# 2号 True
# 3号 True
# Name: 年龄, dtype: bool
总结
本文介绍了如何使用 Pandas 对一维和二维数据对象进行各种运算操作,包括加法、减法、乘法、除法等,并展示了在不同数据对象之间进行运算的方法。通过本文的学习,读者可以更加熟练地使用 Pandas 进行数据处理与分析,为实际项目中的数据挖掘和处理提供参考和帮助。愿本文能对您在数据处理工作中有所启发和帮助!