Pandas_算数与统计

算数与数据对齐

1.相同维度
'''
在不重叠的地方引入了NA值
重叠:series为index，dataframe为index,columns
'''
s1=pd.Series([1.2,3.4,-7.8,5.6],index=['d','a','c','b'])
s2=pd.Series([1.1,2.2,3.3,4.4,5.5,6.6],index=['a','b','c','d','e','f'])
print(s1+s2)
'''
a    4.5
b    7.8
c   -4.5
d    5.6
e    NaN
f    NaN
dtype: float64
'''

#如果一个轴标签对象存在，另外一个不存在，将缺失值填充为0再进行运算
df1=pd.DataFrame(np.arange(12).reshape(3,4),columns=list('dcbe'))
df2=pd.DataFrame(np.arange(20).reshape(4,5),columns=list('cdabe'))
print(df1.add(df2,fill_value=0))
'''
a     b     c     d     e
0   2.0   5.0   1.0   1.0   7.0
1   7.0  14.0  10.0  10.0  16.0
2  12.0  23.0  19.0  19.0  25.0
3  17.0  18.0  15.0  16.0  19.0
'''

add,radd   +
sub,rsub   -
div,rdiv   /
floordiv,rfloordiv   //
mul,rmul   *
pow,rpow   **

前面带r:参数是翻转的
例:1/df1==df1.rdiv(1)

2.不同维度:具有广播性
df1=pd.DataFrame(np.arange(12).reshape(3,4),columns=list('dcbe'))
sr=df1.loc[0,:]
print(df1-sr)
#df1.sub(sr,axis=0)---默认对轴操作，可以通过axis可以指定对索引进行操作
'''
   d  c  b  e
0  0  0  0  0
1  4  4  4  4
2  8  8  8  8
'''

 

统计与计算

在进行统计描述时,pandas对三个数据对象的轴参数规定如下: 
Series: 没有轴参数 
DataFrame: “index” (axis=0, default), “columns” (axis=1) 
Panel: “items” (axis=0), “major” (axis=1, default), “minor” (axis=2) 

abs                     绝对值
count                   非NA值的数量
compound            	返回请求轴的值的复合百分比
describe                针对Series或各DataFrame列计算汇总统计
min,max                 计算最小值和最大值
argmin,argmax           计算能够获取到最小值和最大值的索引位置（整数)
idxmin,idxmax           计算能够获取到最小值和最大值的索引值
quantile                计算样本的分位数（0到 1） 
sum                     值的总和
mean                    值的平均数
median                  值的算术中位数（50%分位数)
mad                     根据平均值计算平均绝对离差
sem                     样本值无偏标准误
var                     样本值的方差 
std                     样本值的标准差
skew                    样本值的无偏偏差
kurt                    样本值的无偏峰度
cumsum                  样本值的累计和
cummin,cummax           样本值的累计最大值和累计最小
cumprod                 样本值的累计积
diff                    计算一阶差分（对时间序列很有用) 
pct_change              计算当前值与上一个的百分数变化
corr                    计算列的成对相关性，不包括NA / null值。
corrwith                计算行或列与另一个序列的相关性。
product                 值的乘积
round                	将Series或DataFrame舍入到可变数量的小数位。