数据分析（十三）

12. pandas 的对齐操作

四种主要的运算：加add()，减sub()，乘mul()，除div()

12.1 series的对齐操作

12.1.1 加法

>>> import numpy as np
>>> import pandas as pd
>>> ser1 = pd.Series(data=range(10,15),index=list('abcde'))
>>> ser2 = pd.Series(data=range(20,25),index=list('cdefg'))
>>> ser1
a    10
b    11
c    12
d    13
e    14
dtype: int64
>>> ser2
c    20
d    21
e    22
f    23
g    24
dtype: int64

>>> ser1.add(ser2)
a     NaN
b     NaN
c    32.0
d    34.0
e    36.0
f     NaN
g     NaN
dtype: float64

>>> ser2.add(ser1)
a     NaN
b     NaN
c    32.0
d    34.0
e    36.0
f     NaN
g     NaN
dtype: float64
    
>>> ser1.add(ser2,fill_value=10) # 没有的值用10来填充
a    20.0
b    21.0
c    32.0
d    34.0
e    36.0
f    33.0
g    34.0
dtype: float64

注意点：

1. series对象在进行相加操作的时候，他会将相同索引的对应的值进行相加操作
2. 如果索引不同的话，就会使用NaN值进行填充操作
3. fill_value 这个参数指定一个填充值，如果没有相同的索引，可以使用填充值进行操作

12.1.2 其他

# 减法
>>> ser1.sub(ser2)
a    NaN
b    NaN
c   -8.0
d   -8.0
e   -8.0
f    NaN
g    NaN
dtype: float64

>>> ser2.sub(ser1,fill_value=0)
a   -10.0
b   -11.0
c     8.0
d     8.0
e     8.0
f    23.0
g    24.0
dtype: float64

# 除法
>>> ser1.div(ser2)
a         NaN
b         NaN
c    0.600000
d    0.619048
e    0.636364
f         NaN
g         NaN
dtype: float64

12.2 dataframe的对齐操作

12.2.1 加法

>>> df1 = pd.DataFrame(np.arange(11,20).reshape(3,3),columns=list('ABC'))
>>> df2 = pd.DataFrame(np.arange(20,40).reshape(4,5),columns=list('ABCDE'))
>>> print(df1)
    A   B   C
0  11  12  13
1  14  15  16
2  17  18  19
>>> print(df2)
    A   B   C   D   E
0  20  21  22  23  24
1  25  26  27  28  29
2  30  31  32  33  34
3  35  36  37  38  39

>>> df3 = df1.add(df2,fill_value=0)
>>> df3
	  A	      B	      C	     D	      E
0	31.0	33.0	35.0	23.0	24.0
1	39.0	41.0	43.0	28.0	29.0
2	47.0	49.0	51.0	33.0	34.0
3	35.0	36.0	37.0	38.0	39.0

注意点：和series对象的相加是一样的，不需要是相同的数据

12.3 dataframe与series的对齐操作

>>> ser3 = pd.Series(data=range(10,15),index=list('ABCDE'))
>>> ser3
A    10
B    11
C    12
D    13
E    14
dtype: int64

>>> df2.add(ser3,axis='columns')
	A	B	C	D	E
0	30	32	34	36	38
1	35	37	39	41	43
2	40	42	44	46	48
3	45	47	49	51	53

>>> df2.add(ser3,axis='index')
	A	B	C	D	E
0	NaN	NaN	NaN	NaN	NaN
1	NaN	NaN	NaN	NaN	NaN
2	NaN	NaN	NaN	NaN	NaN
3	NaN	NaN	NaN	NaN	NaN
A	NaN	NaN	NaN	NaN	NaN
B	NaN	NaN	NaN	NaN	NaN
C	NaN	NaN	NaN	NaN	NaN
D	NaN	NaN	NaN	NaN	NaN
E	NaN	NaN	NaN	NaN	NaN