pandas 中 Series 运算汇总

想胖的壮壮

于 2024-04-21 15:34:23 发布

阅读量773

点赞数 19

文章标签： pandas

本文链接：https://blog.csdn.net/weixin_47552266/article/details/138035350

版权

在Python的Pandas库中，Series对象支持多种运算操作，这些包括算术运算、比较运算和逻辑运算等。下面，我将分别演示这些运算的代码示例，并提供相应的场景说明。

1. 算术运算

算术运算包括加、减、乘、除等基本运算。Pandas允许对Series进行这些运算，同时自动对齐不同Series之间的索引。

Series长度相同时

示例代码：

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])

# 加法运算
result_add = s1 + s2
print("加法结果：\n", result_add)

# 减法运算
result_sub = s1 - s2
print("减法结果：\n", result_sub)

# 乘法运算
result_mul = s1 * s2
print("乘法结果：\n", result_mul)

# 除法运算
result_div = s1 / s2
print("除法结果：\n", result_div)

执行结果：

加法结果：
 a    5
b    7
c    9
dtype: int64
减法结果：
 a   -3
b   -3
c   -3
dtype: int64
乘法结果：
 a     4
b    10
c    18
dtype: int64
除法结果：
 a    0.25
b    0.40
c    0.50
dtype: float64

适用场景：
- 在进行统计分析或数据预处理时，可以用来计算不同数据的总和、差值、产品或商，例如计算总销售额或平均销售额。

Series长度不同时

算术运算（加、减、乘、除）在索引不完全对应时，结果的索引将是两个Series索引的并集，不存在的索引将填充为NaN。

示例代码：

import pandas as pd

# 创建长度不相同的两个Series
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6, 7], index=['b', 'c', 'd', 'e'])

# 加法运算
result_add = s1 + s2
print("加法结果：\n", result_add)

# 乘法运算
result_mul = s1 * s2
print("乘法结果：\n", result_mul)

执行结果：

加法结果：
 a     NaN
b     6.0
c     8.0
d     NaN
e     NaN
dtype: float64

乘法结果：
 a     NaN
b     8.0
c    15.0
d     NaN
e     NaN
dtype: float64

适用场景：
- 非常适合于金融数据分析中的时间序列数据，因为不同的金融工具可能在不同的时间有交易记录，通过这种方式可以轻松处理数据对齐的问题。

2. 比较运算

比较运算包括等于、不等于、大于、小于等，用于比较Series中的元素。

Series长度相同时

示例代码：

# 比较运算
result_gt = s1 > s2
print("大于运算结果：\n", result_gt)

result_eq = s1 == s2
print("等于运算结果：\n", result_eq)

执行结果：

大于运算结果：
 a    False
b    False
c    False
dtype: bool
等于运算结果：
 a    False
b    False
c    False
dtype: bool

适用场景：
在数据筛选过程中，比较运算常用于根据条件过滤数据，例如筛选出所有销量超过某一阈值的记录。

Series长度不同时

比较运算（等于、不等于、大于、小于等）在索引不对应时，也会产生NaN。

示例代码：

# 等于运算
result_eq = s1 == s2
print("等于运算结果：\n", result_eq)

执行结果：

等于运算结果：
 a    False
b    False
c    False
d    False
e    False
dtype: bool

适用场景：
- 同样适用于时间序列的数据对齐和比较。例如，用于比较不同时间点的股票价格是否相等。

3. 逻辑运算

Series长度相同时

逻辑运算主要是对Series中的bool值进行and、or、not运算。

示例代码：

# 创建逻辑运算的Series
s3 = pd.Series([True, False, True])
s4 = pd.Series([False, True, True])

# 逻辑与运算
result_and = s3 & s4
print("与运算结果：\n", result_and)

# 逻辑或运算
result_or = s3 | s4
print("或运算结果：\n", result_or)

执行结果：

与运算结果：
 0    False
1    False
2     True
dtype: bool
或运算结果：
 0     True
1     True
2     True
dtype: bool

适用场景：
- 在处理多个条件筛选的情况下，例如同时满足多个条件或至少满足一个条件的数据筛选处理。

Series长度不同时

逻辑运算（与、或、非）同样会出现NaN，因为布尔逻辑运算在涉及NaN时的结果也是NaN。

示例代码：

# 创建逻辑数据Series
s3 = pd.Series([True, False, True], index=['a', 'b', 'c'])
s4 = pd.Series([False, True, True, False], index=['b', 'c', 'd', 'e'])

# 逻辑与运算
result_and = s3 & s4
print("与运算结果：\n", result_and)

# 逻辑或运算
result_or = s3 | s4
print("或运算结果：\n", result_or)

执行结果：

与运算结果：
 a     False
b    False
c     True
d    False
e    False
dtype: bool

或运算结果：
 a     True
b     True
c     True

d     True
e     False
dtype: bool