【Python笔记】pandas算数运算和数据对齐

---

1 算数运算和数据对齐

pandas最重要的一个功能是，它可以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。

import pandas as pd

s1=pd.Series([7.3,-2.5,3.4,1.5],index=list('acde'))
s2=pd.Series([-2.1,3.6,-1.5,4,3.1],index=list('acefg'))

s1
# a    7.3
# c   -2.5
# d    3.4
# e    1.5
# dtype: float64

s2
# a   -2.1
# c    3.6
# e   -1.5
# f    4.0
# g    3.1
# dtype: float64

s1+s2
# a    5.2
# c    1.1
# d    NaN
# e    0.0
# 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NaN值，缺失值会在算数运算过程中传播。

对于DataFrame，对齐操作会同时发生在行和列上：

import pandas as pd
import numpy as np

df1=pd.DataFrame(np.arange(9).reshape(3,3),columns=list('bcd'),index=['ohio','texas','colorado'])
df2=pd.DataFrame(np.arange(12.).reshape(4,3),columns=list('bde'),index=['utah','ohio','texas','oregon'])

df1

	b	c	d
ohio	0	1	2
texas	3	4	5
colorado	6	7	8

df2

	b	d	e
utah	0.0	1.0	2.0
ohio	3.0	4.0	5.0
texas	6.0	7.0	8.0
oregon	9.0	10.0	11.0

df1+df2

	b	c	d	e
colorado	NaN	NaN	NaN	NaN
ohio	3.0	NaN	6.0	NaN
oregon	NaN	NaN	NaN	NaN
texas	9.0	NaN	12.0	NaN
utah	NaN	NaN	NaN	NaN

2 在算数方法中填充值

对不同索引的对象进行算数运算时，我们希望在NaN时赋值成为0或其他特殊值进行计算。

df1.add(df2,fill_value=0)

	b	c	d	e
colorado	6.0	7.0	8.0	NaN
ohio	3.0	1.0	6.0	5.0
oregon	9.0	NaN	10.0	11.0
texas	9.0	4.0	12.0	8.0
utah	0.0	NaN	1.0	2.0

加和规律：

• 数字+NaN=数字+0=数字
• NaN+NaN=NaN

方法	说明
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

arr=np.arange(12.).reshape(3,4) # array([[ 0.,  1.,  2.,  3.],
                                #        [ 4.,  5.,  6.,  7.],
                                #        [ 8.,  9., 10., 11.]])
arr[0] # array([0., 1., 2., 3.])
arr-arr[0] # array([[0., 0., 0., 0.],
            #        [4., 4., 4., 4.],
            #        [8., 8., 8., 8.]])

这叫广播（broadcasting），第12章将此进行详细讲解。DataFrame和Series之间的运算差不多也是如此：

frame=pd.DataFrame(np.arange(12.).reshape(4,3),
                   columns=list('bde'),
                   index=['utah','ohio','texas','oregon'])
series=frame.ix[0]
# b    0.0
# d    1.0
# e    2.0
# Name: utah, dtype: float64

frame

	b	d	e
utah	0.0	1.0	2.0
ohio	3.0	4.0	5.0
texas	6.0	7.0	8.0
oregon	9.0	10.0	11.0

frame-series

	b	d	e
utah	0.0	0.0	0.0
ohio	3.0	3.0	3.0
texas	6.0	6.0	6.0
oregon	9.0	9.0	9.0

series2=pd.Series(range(3),index=['b','e','f'])
# b    0
# e    1
# f    2
# dtype: int64

frame+series2

	b	d	e	f
utah	0.0	NaN	3.0	NaN
ohio	3.0	NaN	6.0	NaN
texas	6.0	NaN	9.0	NaN
oregon	9.0	NaN	12.0	NaN

如果你希望匹配行且在列上广播，则必须使用算数运算方法：

series3=frame['d']
# utah       1.0
# ohio       4.0
# texas      7.0
# oregon    10.0
# Name: d, dtype: float64

frame.sub(series3,axis=0)

	b	d	e
utah	-1.0	0.0	1.0
ohio	-1.0	0.0	1.0
texas	-1.0	0.0	1.0
oregon	-1.0	0.0	1.0