【Python】pandas：计算，统计，比较

pandas是Python的扩展库（第三方库），为Python编程语言提供 高性能、易于使用的数据结构和数据分析工具。

pandas官方文档：User Guide — pandas 2.2.2 documentation

帮助：可使用help(...)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(pd.DataFrame)，help(pd.crosstab)

---

Python代码中，导入pandas：

import pandas as pd

使用pandas时，通常涉及numpy，若需要也导入numpy：

import numpy as np

---

1、算术运算

数值行/列可以进行算术运算（加、减、乘、除、取余、幂等）。

2、与其他行/列进行计算

数值行/列可以与其他数值行/列进行计算。

3、用于计算的函数

（3-1）算术运算的函数：add, radd, sub, pow等

有一些函数可以用于算术运算，也可以将两个DataFrame之间进行计算。

例如（加法）：DataFrame.add(self, other, axis='columns', level=None, fill_value=None)

注：参数other：数值、序列（如：列表/字典）、Series、另一个DataFrame。

        参数axis：指定轴。若other是Series默认按索引，若other是列表/字典默认按列。

        参数fill_value：指定NaN的填充内容。

常用算术运算的函数

DataFrame.add(...)	加
DataFrame.sub(...)	减
DataFrame.mul(...)	乘
DataFrame.div(...)	除
DataFrame.truediv(...)	除
DataFrame.floordiv(...)	除（返回整数）
DataFrame.mod(...)	取余
DataFrame.pow(...)	幂
DataFrame.rsub(...)	减（反向）。不是“3-5”而是“5-3”
DataFrame.rdiv(...)	除（反向）。不是“3/5”而是“5/3”
DataFrame.rmod(...)	取余（反向）。不是“3%5”而是“5%3”
DataFrame.rpow(...)	幂（反向）。不是“3**5”而是“5**3”
DataFrame.abs(...)	取绝对值

 

（3-2）累计计算的函数：cumsum, cummax等

有一些函数可以用于指定轴的累计计算（各位置的数值是按指定轴从位置0到该位置累计计算的数值）。

例如（累计求和）：DataFrame.cumsum(self, axis=None, skipna=True, *args, **kwargs)

注：参数axis：指定轴。若axis=0 则各列累计计算，若axis=1 则各行累计计算。

       参数skipna：默认skipna=True 跳过NaN。

常用累计计算的函数

DataFrame.cummax(...)	指定轴，各位置数值是从位置0到该位置的累计最大值
DataFrame.cummin(...)	指定轴，各位置数值是从位置0到该位置的累计最小值
DataFrame.cumsum(...)	指定轴，各位置数值是从位置0到该位置的累计求和
DataFrame.cumprod(...)	指定轴，各位置数值是从位置0到该位置的累计乘积

 （3-3）计算矩阵乘法的函数：dot

dot(self, other: 'AnyArrayLike | DataFrame') -> 'DataFrame | Series'

• DataFrame.dot(other)：DataFrame与另一个DataFrame或Series进行矩阵乘法。
• 等效于：DataFrame @ other
• 注：DataFrame和other维度需兼容（即DataFrame的列数和other的行数相同），才能进行矩阵乘法。结果是新DataFrame（原DataFrame的行数，other的列数）。

 DataFrame.columns和other.index需相同，否则报错：ValueError: matrices are not aligned。