Pandas基本功能之算数运算和数据对齐、函数应用和映射、排序、排名

1、算术运算和数据对齐

（1）对不同索引的对象进行算数运算

在将对象相加时，如果存在不同的索引对，则结果的索引就是该索引对的并集。

s1 = Series([7,2,-2,4],index=['a','b','c','d'])
s2 = Series([-2,3,-1,4,3],index=['a','b','c','f','g'])
s1
s2
s1+s2
Out[17]: 
a    5.0
b    5.0
c   -3.0
d    NaN
f    NaN
g    NaN
dtype: float64

自动的数据对齐操作在不重叠的索引处引入了NA值。缺失值会在算术运算过程中传播。

对于DataFrame，对齐操作会同时发生在行和列上：

df1 = DataFrame(np.arange(9.).reshape((3,3)),columns=list('bcd'),index=['A','B','C'])
df2 = DataFrame(np.arange(12.).reshape((4,3)),columns=list('bde'),index=['A','C','D','E'])
df1
Out[21]: 
     b    c    d
A  0.0  1.0  2.0
B  3.0  4.0  5.0
C  6.0  7.0  8.0

df2
Out[22]: 
     b     d     e
A  0.0   1.0   2.0
C  3.0   4.0   5.0
D  6.0   7.0   8.0
E  9.0  10.0  11.0

df1+df2
Out[23]: 
     b   c     d   e
A  0.0 NaN   3.0 NaN
B  NaN NaN   NaN NaN
C  9.0 NaN  12.0 NaN
D  NaN NaN   NaN NaN
E  NaN NaN   NaN NaN

（2）在算数方法中填充值

在对不同索引的对象进行算数运算时，当一个对象中某个轴标签在另一个对象中找不到时填充一个特殊值(比如0)：

使用df1的add方法，传入df2以及一个fill_value参数：

df1.add(df2,fill_value=0)
Out[24]: 
     b    c     d     e
A  0.0  1.0   3.0   2.0
B  3.0  4.0   5.0   NaN
C  9.0  7.0  12.0   5.0
D  6.0  NaN   7.0   8.0
E  9.0  NaN  10.0  11.0

与此类似，在对Series或DataFrame重新索引时，也可以指定一个填充值：

灵活的算术方法

add	用于加法（+）的方法
sub	用于减法（-）的方法
div	用于除法（/）的方法
mul	用于乘法（*）的方法

（3）DataFrame和Series之间的运算

跟NumPy数组一样，DataFrame和Series之间算术运算有规定。

①计算一个二维数组与其某行之间的差