pandas入门（三）

转载

自强不息的小芦同学 2021-05-07 18:03:32

pandas系列—pandas库的数据类型运算

[TOC]

如何改变Series和DataFrame对象：
1. 算术运算根据行列索引，补齐后运算，运算默认产生浮点数，补齐时缺项填充NaN
2. 二维和一维，一维和零维间为广播运算
3. 采用 + - * / 符号进行的二元运算会产生新的对象

一、数据类型的算术运算

1.1 简单的算术运算

例子1：

import pandas as pd
import numpy as np

a = pd.DataFrame(np.arange(12).reshape(3,4))

a
Out[42]: 
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

b = pd.DataFrame(np.arange(20).reshape(4,5))

b
Out[44]: 
    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
3  15  16  17  18  19

a+b
Out[45]: 
      0     1     2     3   4
0   0.0   2.0   4.0   6.0 NaN
1   9.0  11.0  13.0  15.0 NaN
2  18.0  20.0  22.0  24.0 NaN
3   NaN   NaN   NaN   NaN NaN

a*b
Out[46]: 
      0     1      2      3   4
0   0.0   1.0    4.0    9.0 NaN
1  20.0  30.0   42.0   56.0 NaN
2  80.0  99.0  120.0  143.0 NaN
3   NaN   NaN    NaN    NaN NaN

1.2 方法形成的运算

方法	说明
.add(d,**argws)	加法运算，可选参数
.sub(d,**argws)	减法运算，可选参数
.mul(d,**arwgs)	乘法运算，可选参数
.div(d,**argws)	除法运算，可选参数

例子2：

import pandas as pd
import numpy as np

a = pd.DataFrame(np.arange(12).reshape(3,4))
b = pd.DataFrame(np.arange(20).reshape(4,5))

b.add(a,fill_value=100)  #空的数据用100来填充
Out[47]: 
       0      1      2      3      4
0    0.0    2.0    4.0    6.0  104.0
1    9.0   11.0   13.0   15.0  109.0
2   18.0   20.0   22.0   24.0  114.0
3  115.0  116.0  117.0  118.0  119.0

a.mul(b,fill_value=0)
Out[48]: 
      0     1      2      3    4
0   0.0   1.0    4.0    9.0  0.0
1  20.0  30.0   42.0   56.0  0.0
2  80.0  99.0  120.0  143.0  0.0
3   0.0   0.0    0.0    0.0  0.0

1.3 不同维度间的运算

import pandas as pd
import numpy as np

b = pd.DataFrame(np.arange(20).reshape(4,5))

b
Out[50]: 
    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
3  15  16  17  18  19

c = pd.Series(np.arange(4))

c
Out[52]: 
0    0
1    1
2    2
3    3
dtype: int32

c-10
Out[53]: 
0   -10
1    -9
2    -8
3    -7
dtype: int32

b-c
Out[54]: 
      0     1     2     3   4
0   0.0   0.0   0.0   0.0 NaN
1   5.0   5.0   5.0   5.0 NaN
2  10.0  10.0  10.0  10.0 NaN
3  15.0  15.0  15.0  15.0 NaN

注1：不同维度间为广播运算，一维Series默认在轴1参与运算（b的每一行减去c的元素）
若要使轴0参与运算，需要指定axis

b.sub(c,axis=0)
Out[55]: 
    0   1   2   3   4
0   0   1   2   3   4
1   4   5   6   7   8
2   8   9  10  11  12
3  12  13  14  15  16

二、比较运算

1. 比较运算只能比较相同索引的元素，不进行补齐
2. 二维和一维、一维和零维间为广播运算
3. 采用 > < >= <= != 等符号进行的二元运算产生布尔对象

a = pd.DataFrame(np.arange(12).reshape(3,4))

a
Out[57]: 
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

b = pd.DataFrame(np.arange(12,0,-1).reshape(3,4))

b
Out[59]: 
    0   1   2  3
0  12  11  10  9
1   8   7   6  5
2   4   3   2  1

a>b
Out[60]: 
       0      1      2      3
0  False  False  False  False
1  False  False  False   True
2   True   True   True   True

注：同维度运算，尺寸一致

a = pd.DataFrame(np.arange(12).reshape(3,4))

a
Out[65]: 
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

c = pd.Series(np.arange(4))

c
Out[67]: 
0    0
1    1
2    2
3    3
dtype: int32

a>c            #不同维度，广播运算，默认在1轴
Out[68]: 
       0      1      2      3
0  False  False  False  False
1   True   True   True   True
2   True   True   True   True

c>0
Out[69]: 
0    False
1     True
2     True
3     True
dtype: bool