pandas基础数据结构

一、数据框计算

（一）基础运算函数

方法	描述
add	加（+）
sub	减（-）
mul	乘（*）
div	除（/）
floordiv	整除（//）
pow	幂次方（**）

（二）df之间计算

import pandas as pd
import numpy as np
df1=pd.DataFrame(np.ones((2,2)),columns=list("ab"))
df2=pd.DataFrame(np.ones((3,3)),columns=list("abc"))

#加法
df1+df2

  运算会对两个df的行列索引进行匹配，运算结果的索引取并集，非公共索引部分取NaN。

（三）df和series计算

• df和series计算，默认将series的索引和df的列索引进行匹配，并且在行上进行广播。

#df和series计算，会广播
s=df2.iloc[:,0]
s+df2

#df和series计算，会广播
s2=df2.iloc[0,:]
s2+df2

• 通过改变参数可以改变广播方式

#在行上匹配，在列上广播
df2.add(s,axis="index")

注意：使用算术符号（例如“+”），无法指定广播机制等。

（四）显性函数运算

df1.add(other, axis='columns', level=None, fill_value=None)

• other 另一个数据
• axis df和series默认列上匹配，行上广播
• fill_value 可指定填充运算结果为NaN的值

二、函数的映射

（一）df.apply函数

1.功能

将函数作用在行/列上，并沿着列/行“广播”。

2.参数

df1.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)

• func 指函数名，可以是自定义函数也可以是系统函数；
• axis=0 参数为0时表示在行上使用函数，并在列的方向上广播。

3.例子

求每行的最大值

df1=pd.DataFrame(np.random.uniform(-10,10,size=(4,4)))
#
	0	          1	          2	             3
0	3.341642	-0.575784	-5.848210	2.755888
1	1.593945	-5.830961	-9.627209	2.675590
2	-9.399005	8.067327	5.500567	-9.225596
3	-0.994930	9.895505	-9.301169	0.520210
df1.apply(max,axis=1)
#
0    3.341642
1    2.675590
2    8.067327
3    9.895505
dtype: float64

4.df.applymap函数

tips 内置函数一般均可指定作用在列上或行上（默认axis=0,沿着0轴作用，作用效果为列）

df1.min(axis=1)

↑取每一行的最小值

a) 功能

将函数应用到每个数字上。

b) 参数

df1.applymap(func)

c) 例子

def fun(x):
    return round(x,ndigits=1)
df1.applymap(fun)

三、排序

（一）按索引排序

困了~ 参数与下一节类似

df2.sort_index(axis=0,level=None,ascending=True,inplace=False,kind='quicksort',na_position='last',sort_remaining=True,ignore_index: bool = False)

（二）按数据排序

df1.sort_values(by,axis=0,ascending=True,inplace=False,kind='quicksort',na_position='last',ignore_index=False)

1.参数

• by 参数为字符串或字符串列表（行或列标签），表示以对应的行/列作为排序依据，当by为字符串列表，排序依据按字符串中标签的先后顺序；
• axis 沿0轴进行排序，即通常的对行排序；
• ascending 升序（依据为数字大小或asicc）
• ingore_index index跟随数据移动，若为True则对排序后的数据重新0，1，2…n-1,进行reindex。

2.例子

• 数据

df2=pd.DataFrame