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]:

	a	b
0	1.0	1.0
1	1.0	1.0

In [9]:

 

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

df2

Out[9]:

	a	b	c
0	1.0	1.0	1.0
1	1.0	1.0	1.0
2	1.0	1.0	1.0

In [10]:

 

df1 + df2

Out[10]:

	a	b	c
0	2.0	2.0	NaN
1	2.0	2.0	NaN
2	NaN	NaN	NaN

In [11]:

 

  ser2

Out[11]:

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

In [12]:

 

df1

Out[12]:

	a	b
0	1.0	1.0
1	1.0	1.0

In [13]:

 

ser2 + df1

Out[13]:

	a	b	0	1	2	3	4
0	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	NaN	NaN	NaN	NaN	NaN	NaN	NaN

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]:

	a	b	c
0	2.0	3.0	NaN
1	2.0	3.0	NaN

In [ ]:

 

​