python创建变量revenue_Pandas入门2

标题中的英文首字母大写比较规范，但在python实际使用中均为小写。

5.Pandas的数据运算和算术对齐

5.1 Series相加

from pandas import Series

s1 = Series([7.3, -2.5, 3.4, 1.5], index=['a', 'c', 'd', 'e'])

s2 = Series([-2.1, 3.6, -1.5, 4, 3.1], index=['a', 'c', 'e', 'f', 'g'])

s1 + s2

上面一段代码的运行结果如下图所示：

image.png

5.2 DataFrame相加

对于DataFrame，对齐会同时发生在行和列上，两个DataFrame对象相加后，其索引和列会取并集，缺省值用NaN。

from pandas import DataFrame

import numpy as np

kwargs = dict(

columns = list('bcd'),

index = ['北京','上海','广州']

)

df1 = DataFrame(np.arange(9).reshape(3,3),**kwargs)

kwargs = dict(

columns = list('bde'),

index = ['北京','上海','重庆','天津']

)

df2 = DataFrame(np.arange(12).reshape(4,3),**kwargs)

df1 + df2

上面一段代码的运行结果如下图所示：

image.png

设置缺省时填充值

image.png

5.3 DataFrame和Series之间的运算

默认情况下，DataFrame和Series之间的算术运算会将Series的索引匹配到DataFram的列，然后沿着行一直向下广播，如下图所示：

image.png

.读者可以复制下面代码运行，然后查看结果是否相同：

from pandas import Series,DataFrame

import numpy as np

df = DataFrame(np.arange(12).reshape((4,3)),

columns=list("bde"),

index=["Utah","Ohio","Texas","Oregon"])

print("df:",df,sep='\n')

series = df.iloc[0]

print("series:",series,sep='\n')

print("df - series:", df-series,sep='\n')

5.4 Pandas中的函数应用和映射

5.4.1 Numpy中的函数可以用于操作pandas对象

image.png

.读者可以复制下面代码运行&