DataFrame.add(other, axis='columns', level=None, fill_value=None)
添加dataframe和其他元素(二进制操作符add)。
等价于dataframe + other,但是支持用fill_value替换其中一个输入中缺失的数据。使用反向版本,radd。
在灵活的包装器(add, sub, mul, div, mod, pow)到算术运算符:+,-,*,/,//,%,**。
参数:other: scalar, sequence, Series, 或 DataFrame
任何单个或多个元素数据结构,或类似列表对象。
axis : {0 或 ‘index’, 1 或 ‘columns’}
不论通过index(0 或 ‘index’)或columns(1 or ‘columns’)进行比较。
对于Series输入,axis匹配Series索引。
level : int 或 label
跨level广播,匹配传递的MultiIndex level的索引值。
fill_value : float 或 None, 默认 None
在计算之前,用这个值填充现有的缺失值(NaN),
以及成功进行DataFrame对齐所需的任何新元素。
如果两个对应的DataFrame位置中的数据都丢失,则结果将丢失。
返回:DataFrame
算术运算的结果。
注意:
不匹配的索引将被合并在一起
例子,>>> df = pd.DataFrame({'angles': [0, 3, 4],
... 'degrees': [360, 180, 360]},
... index=['circle', 'triangle', 'rectangle'])
>>> df
angles degrees
circle 0 360
triangle 3 180
rectangle 4 360
添加带有操作符版本的标量,该操作符版本返回相同的结果>>> df + 1
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361
>>> df.add(1)
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361
除以常数的倒数形式>>> df.div(10)
angles degrees
circle 0.0 36.0
triangle 0.3 18.0
rectangle 0.4 36.0
>>> df.rdiv(10)
angles degrees
circle inf 0.027778
triangle 3.333333 0.055556
rectangle 2.500000 0.027778
用操作符版本按axis减去列表和序列>>> df - [1, 2]
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
>>> df.sub([1, 2], axis='columns')
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
>>> df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
... axis='index')
angles degrees
circle -1 359
triangle 2 179
rectangle 3 359
将不同形状的DataFrame与运算符版本相乘>>> other = pd.DataFrame({'angles': [0, 3, 4]},
... index=['circle', 'triangle', 'rectangle'])
>>> other
angles
circle 0
triangle 3
rectangle 4
>>> df * other
angles degrees
circle 0 NaN
triangle 9 NaN
rectangle 16 NaN
>>> df.mul(other, fill_value=0)
angles degrees
circle 0 0.0
triangle 9 0.0
rectangle 16 0.0
除以一个MultiIndex的level>>> df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6],
... 'degrees': [360, 180, 360, 360, 540, 720]},
... index=[['A', 'A', 'A', 'B', 'B', 'B'],
... ['circle', 'triangle', 'rectangle',
... 'square', 'pentagon', 'hexagon']])
>>> df_multindex
angles degrees
A circle 0 360
triangle 3 180
rectangle 4 360
B square 4 360
pentagon 5 540
hexagon 6 720
>>> df.div(df_multindex, level=1, fill_value=0)
angles degrees
A circle NaN 1.0
triangle 1.0 1.0
rectangle 1.0 1.0
B square 0.0 0.0
pentagon 0.0 0.0
hexagon 0.0 0.0