原 Pandas数据处理之Pandas数值计算方法

3.4 Pandas数值计算方法

《Python数据科学手册》读书笔记：

  NumPy 的基本能力之一是快速对每个元素进行运算，既包括基本算术运算（加、减、乘、除），也包括更复杂的运算。Pandas集成了Numpy的功能，也实现了一些高效技巧：

• 对于一元计算，输出结果保留行索引和列标签
• 对于二元计算，自动对齐索引进行计算

3.4.1 通用函数：保留索引

In[1] : import pandas as pd
		import numpy as np
In[2] : rng = np.random.RandomState(42)	# 伪随机数生成器，和numpy.random.seed()类似
		ser = pd.Series(rng.randint(0, 10, 4))
		ser
Out[2]: 0 6
		1 3
		2 7
		3 4
		dtype: int64
		
In[3] : df = pd.DataFrame(rng.randint(0, 10, (3, 4)),
		columns=['A', 'B', 'C', 'D'])
Out[3]:   A B C D
		0 6 9 2 6
		1 7 4 3 7
		2 7 2 5 4

  如果对这两个对象的其中一个使用NumPy 通用函数，生成的结果是另一个保留索引的Pandas 对象：

In[4] : np.exp(ser)
Out[4]: 0 403.428793
		1 20.085537
		2 1096.633158
		3 54.598150
		dtype: float64

3.4.2 通用函数：索引对齐

  当在两个Series 或DataFrame 对象上进行二元计算时，Pandas 会在计算过程中对齐两个对象的索引.

1. Series索引对齐

  例:假如你要整合两个数据源的数据，其中一个是美国面积最大的三个州的面积数据，另一个是美国人口最多的三个州的人口数据：

In[6] : area = pd.Series({'Alaska': 1723337, 'Texas': 695662,'California': 423967}, name='area')
		population = pd.Series({'California': 38332521, 'Texas': 26448193,'New York': 19651127}, name='population')
		
In[7] : population / area
Out[7]: Alaska		 NaN
		California 90.413926
		New York 	 NaN
		Texas	   38.018740
		dtype: float64

结果数组的索引是两个输入数组索引的并集.对于缺失位置的数据，Pandas 会用NaN 填充，表示“此处无数”.如果NaN值不是我们想要的数值，那么可以用我们想到的数值进行填充，需要将运算符换成对应的方法。

In[9] : A = pd.Series([2, 4, 6], index=[0, 1, 2])
		B = pd.Series([1, 3, 5], index=[1, 2, 3])
		A + B
Out[9]: 0 NaN	# 虽然索引不对应，但仍保留索引，用NaN填充value
		1 5.0
		2 9.0
		3 NaN
		dtype: float64
		
In[10] : A.add(B, fill_value=0)
Out[10]: 0 2.0
		 1 5.0
		 2 9.0
		 3 5.0
		 dtype: float64

2. DataFrame索引对齐

  在计算两个DataFrame 时，类似的索引对齐规则也同样会出现在共同（并集）列中：

In[11] : A = pd.DataFrame(rng.randint(0, 20, (2, 2)),
		 columns=list('AB'))	# list(str)
		 A
Out[11]:   A B
		 0 1 11
		 1 5 1
		 
In[12]: B = pd.DataFrame(rng.randint(0, 10, (3, 3)),columns=list('BAC'))
		B
Out[12]:  B A C
		0 4 0 9
		1 5 8 0
		2 9 2 6
		
In[13]: A + B	# 二维数组与三维数组相加
Out[13]: 	A 	   B 	 C
		0 	1.0   15.0  NaN
		1 	13.0  6.0   NaN
		2	NaN   NaN   NaN

索引顺序不同，但输出结果会自动按顺序排列

3.4.3　通用函数：DataFrame与Series的运算

我们经常需要对一个DataFrame 和一个Series 进行计算，行列对齐方式与之前类似。。也就是说，DataFrame 和Series 的运算规则，与NumPy 中二维数组与一维数组的运算规则是一样的。

In[15]: A = rng.randint(10, size=(3, 4))
		A
Out[15]: array([[3, 8, 2, 4],
				[2, 6, 4, 8],
				[6, 1, 3, 8]])
				
In[16] : A - A[0]	# 减去第一行数据，根据广播规则，整体减去
Out[16]: array([[ 0, 0, 0, 0],
				[-1, -2, 2, 4],
				[ 3, -7, 1, 4]])

如果想按列计算，那么通过axis参数设置：

In[18]: df.subtract(df['R'], axis=0)
Out[18]:    Q   R   S   T
		0  -5   0  -6  -4
		1  -4   0  -2   2
		2   5   0   2   7

  这些行列索引的保留与对齐方法说明Pandas 在运算时会一直保存这些数据内容，从而避免在处理数据类型有差异和/ 或维度不一致的NumPy 数组时可能遇到的问题。

注：RandomState的用法：【数据处理】numpy.random.RandomState的用法