Pandas中的Series和DataFrame間的算術元素實例用法

這篇文章主要講解了“Pandas中的Series和DataFrame間的算術元素實例用法”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Pandas中的Series和DataFrame間的算術元素實例用法”吧！

如下所示：

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

一、Series與Series

s1 = Series([1,3,5,7],index=['a','b','c','d'])
s2 = Series([2,4,6,8],index=['a','b','c','e'])

索引對齊項相加，不對齊項的值取NaN

s1+s2
1
a  3.0
b  7.0
c 11.0
d  NaN
e  NaN
dtype: float64

二、DataFrame與DataFrame

data1 = {'水果':['蘋果','梨','草莓'],
  '數量':[3,2,5],
  '價格':[10,9,8]}
data2 = {'數量':[3,2,5,6],
  '價格':[10,9,8,7]}
df1 = DataFrame(data1)
df2 = DataFrame(data2)

在行和列上同時對齊后進行計算，如果找不到對應項則取NaN

print(df1*df2)

  價格 數量 水果
0 100.0 9.0 NaN
1 81.0 4.0 NaN
2 64.0 25.0 NaN
3 NaN NaN NaN

三、Series與DataFrame

1.利用廣播實現DataFrame與某行的運算

print(df2+df2.iloc[0]) # 將第0行加到所有行上

 價格 數量
0 20 6
1 19 5
2 18 8
3 17 9

2.利用廣播實現DataFrame與某列的運算(指定軸axis=0)

print(df2.sub(df2.iloc[:,0],axis=0))

 價格 數量
0 0 -7
1 0 -7
2 0 -3
3 0 -1

3.運算時如果無法對齊，則填充NaN

s = Series([1,1,1],index=['數量','價格','重量'])
print(df2+s)

 價格 數量 重量
0 11 4 NaN
1 10 3 NaN
2 9 6 NaN
3 8 7 NaN

感謝各位的閱讀，以上就是“Pandas中的Series和DataFrame間的算術元素實例用法”的內容了，經過本文的學習后，相信大家對Pandas中的Series和DataFrame間的算術元素實例用法這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！