python数据分析考点_Python数据分析--Pandas知识点(二)

13. 简单计算

新建一个数据表df

1 import pandas as pd

2

3 df = pd.DataFrame({"地区": ["A区","B区", "C区"],

4 "前半年销量": [3500, 4500,3800],

5 "后半年销量": [3000, 6000,5000],

6 "单价": [10, 18, 15]})

7 df

13.1 加法计算

有两种方式, 一种是利用add()函数: a.add(b) 表示a与b之和, 另一种是直接利用加法运算符号"+"

1 #第一种方式: 利用add()函数

2 # df["总销量"] = df["前半年销量"].add(df["后半年销量"])

3 #第二种方式: "+"

4 df["总销量"] = df["前半年销量"] + df["后半年销量"]

5 df

两者运算的结果都是相同的:

第一个参数func就是指用于每行或者每列的函数, 这里将采用lambda函数: 接收任意多个参数并返回单个计算结果.

第二个参数axis=0则表示计算行与行的数据, axis=1则表示计算列与列的数据

1 #由于地区不能参与运算, 因此在df1数据表中删除地区

2 df1 = df.drop(["地区","单价"], axis = 1, inplace = False)

3 #对df1数据表进行累加运算, 随后添加到df表中.

4 df["总销量"] = df1.apply(lambda x: x.sum(), axis = 1)

5 df

1 #删除地区和单价,分别计算前半年与后半年的三个地区总和.

2 df2 = df.drop(["地区","单价"], axis = 1, inplace = False)

3 #利用apply函数计算之后,添加至数据表中

4 df.loc["Sum"] = df2.apply(lambda x: x.sum(), axis = 0 )

5 df

13.2 减法运算

同样有两种方式: 一种是采用sub()函数, A.sub(B)表示A-B, 另一种是采用减法运算符 "-"

1 #函数法: 注意A.sub(B)表示A-B

2 df["销量增长"] = df["后半年销