二、Pandas-8.算术与数据对齐

""" 不同索引的对象之间的算术行为是pandas提供给一些应用的一项重要特性。 当你将对象相加时,如果存在某个索引对不相同,则返回结果的索引将是索引对的并集。 对数据库用户来说,这个特性类似于索引标签的自动外连接"""import numpy as npimport pandas as pds1 = pd.Series([1, 2, 3, 4], index=["A", "B", "C", "D"])s2 = pd.Series([5.1, 6.1, 7.1, 8.1.
摘要由CSDN通过智能技术生成
"""
    不同索引的对象之间的算术行为是pandas提供给一些应用的一项重要特性。
    当你将对象相加时,如果存在某个索引对不相同,则返回结果的索引将是索引对的并集。
    对数据库用户来说,这个特性类似于索引标签的自动外连接
"""
import numpy as np
import pandas as pd

s1 = pd.Series([1, 2, 3, 4], index=["A", "B", "C", "D"])
s2 = pd.Series([5.1, 6.1, 7.1, 8.1, 9.1], index=["A", "M", "C", "D", "N"])
print(s1 + s2)  # ▶知识点1:没有交叠的标签位置上,内部数据对齐会产生缺失值。缺失值会在后续的算术操作上产生影响
"""
A     6.1
B     NaN
C    10.1
D    12.1
M     NaN
N     NaN
dtype: float64
"""

df_1 = pd.DataFrame(np.arange(9.).reshape((3, 3)), columns=["A", "B", "C"], index=["XiaoMing", "XiaoHua", "XiaoYing"])
df_2 = pd.DataFrame(np.arange(16.).reshape((4, 4)), columns=["A", "C", "D", "E"],
                    index=["XiaoYin
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值