数据分析工具Pandas基础--运算与对齐

 

理论:

知识要点

Series的运算:

对齐操作发生在索引上

DataFrame的运算

对齐操作会同时发生在行和列上,注意:Series和DataFrame操作时,Series被看作行数据(index被看作列),和DataFrame中的每行数据进行计算。

Series和DataFrame的对齐和运算方式:

索引与数据的对应关系仍保持在数组运算的结果中。

若是没有对齐的位置,则运算结果位置默认补NaN

 

实验:

第七节运算与对齐

In [1]:

 

 
import pandas as pd
import numpy as np

Series间运算

In [3]:

 

ser1 = pd.Series(range(10,20),index=range(10))
ser1

Out[3]:

0    10
1    11
2    12
3    13
4    14
5    15
6    16
7    17
8    18
9    19
dtype: int64

In [4]:

 

 
ser2 = pd.Series(range(20,25),index = range(5))
ser2

Out[4]:

0    20
1    21
2    22
3    23
4    24
dtype: int64

In [5]:

 

 
ser1 + ser2

Out[5]:

0    30.0
1    32.0
2    34.0
3    36.0
4    38.0
5     NaN
6     NaN
7     NaN
8     NaN
9     NaN
dtype: float64

DataFrame间的运算

In [6]:

 

 
df1 = pd.DataFrame(np.ones((2,2)),columns=['a','b'])
df1

Out[6]:

 ab
01.01.0
11.01.0

In [9]:

 

 
df2 = pd.DataFrame(np.ones((3, 3)),columns=['a','b','c'])
df2

Out[9]:

 abc
01.01.01.0
11.01.01.0
21.01.01.0

In [10]:

 

 
df1 + df2

Out[10]:

 abc
02.02.0NaN
12.02.0NaN
2NaNNaNNaN

In [11]:

 

 
  ser2

Out[11]:

0    20
1    21
2    22
3    23
4    24
dtype: int64

In [12]:

 

df1

Out[12]:

 ab
01.01.0
11.01.0

In [13]:

 

 
ser2 + df1

Out[13]:

 ab01234
0NaNNaNNaNNaNNaNNaNNaN
1NaNNaNNaNNaNNaNNaNNaN

In [14]:

 

 
ser3 = pd.Series([1,2,3],index=['a','b','c'])
ser3

Out[14]:

a    1
b    2
c    3
dtype: int64

In [15]:

 

 
ser3 + df1

Out[15]:

 abc
02.03.0NaN
12.03.0NaN

In [ ]:

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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