# Pandas运算方法 Pandas基于Numpy，相应的运算也是基于Numpy的运算，只不过多了一些Pandas的内容，比如: - Pandas的运算结果保留索引和列标签 - 使用通用函数的时候回自动对齐索引 ## 对通用函数保留索引和列标签 pandas的数据在运算的时候，对于通用函数来讲，索引和标签会自动保留。 ```python import numpy as np import pandas as pd df = pd.DataFrame(np.random.randint(100, size=(3,5)), columns=["A", "B", "C", "D", "E"]) print("df=\n", df) #如果对df使用通用函数，成成的结果是保留索引和列标签的 df2 = np.exp(df) print("df2 \n", df2) ``` df= A B C D E 0 77 86 86 53 98 1 56 92 27 0 83 2 6 66 7 54 44 df2 A B C D E 0 2.758513e+33 2.235247e+37 2.235247e+37 1.041376e+23 3.637971e+42 1 2.091659e+24 9.017628e+39 5.320482e+11 1.000000e+00 1.112864e+36 2 4.034288e+02 4.607187e+28 1.096633e+03 2.830753e+23 1.285160e+19 ## 自动对齐索引 在对Series或者DataFrame进行二元运算的时候， Pandas会在计算过程中对齐两边索引，这对于不完整数据的处理极其重要。 在运算工程中，对于缺失值的处理采用默认缺失值处理方法，对于我们一般是添加NaN。如果想指定缺失值的填充内容，需要： - 采用Pandas的运算方法，而不是使用运算符直接运算，因为运算符不能传递参数 - 使用fill_value参数把填充的内容传进去 在指定fill_value的时候，需要注意点是，此时是先对参与运算的数据进行缺省值处理，然后才运算，而不是先运算，得到缺省值后再处理，这样很多因为一方是NaN而最终结果也是NaN的运算因为换了缺省值而能够正常运算。 最终结果的索引内容是两个运算索引的并集。 ```python # Series的索引自动对齐 # 此处对于缺失值的处理采用默认方法，即对于二元运算方法 # 只要由一方没有数据，则用NaN填充，任何数据与NaN运算结果都是NaN s1 = pd.Series({"A": 1, "B":2, "C":3, "D":4, "E":5}, name="ONE") s2 = pd.Series({ "D":4, "E":5, "F":6, "G":7}, name="TWO") # 采用运算符，此时缺失值只能使用默认的值 print("s1 + s2 =\n", s1 + s2) # 想更换缺失值的处理内容，需要用到pandas的运算方法和fill—value参数 print("\n s1 + s2 =\n", s1.add(s2, fill_value=100)) ``` s1 + s2 = A NaN B NaN C NaN D 8.0 E 10.0 F NaN G NaN dtype: float64 s1 + s2 = A 101.0 B 102.0 C 103.0 D 8.0 E 10.0 F 106.0 G 107.0 dtype: float64 ```python # 缺失值和索引对其的DataFramne案例 df1 = pd.DataFrame(np.random.randint(10, size=(3,3)), index=list("ABC"), columns=['I', 'II', 'III']) print("df1 = \n", df1) df2 = pd.DataFrame(np.random.randint(100, 200, size=(3,3)), index=list("CDE"), columns=['II', 'III', "IV"]) print("df1 = \n", df1) # 使用操作符，index和colums保留， 缺失值采用默认方法处理 df3 = df1 + df2 print("\n df3 = \n", df3) # 使用pandas方法，可以指定缺省值 df4 = df1.add(df2, fill_value=0) print("\n df4 = \n", df4) ``` df1 = I II III A 9 6 7 B 1 9 2 C 3 1 3 df1 = I II III A 9 6 7 B 1 9 2 C 3 1 3 df3 = I II III IV A NaN NaN NaN NaN B NaN NaN NaN NaN C NaN 180.0 138.0 NaN D NaN NaN NaN NaN E NaN NaN NaN NaN df4 = I II III IV A 9.0 6.0 7.0 NaN B 1.0 9.0 2.0 NaN C 3.0 180.0 138.0 160.0 D NaN 108.0 108.0 155.0 E NaN 182.0 145.0 114.0 ## DataFrame和Series的运算 DataFrame和Series运算默认采用的是行运算，即一行一行的运算，如果想要按列运算，需要使用axis参数。 ```python # 默认是按行来进行计算 A1 = np.random.randint(10, size=(3,5)) print("A1 = \n", A1) print("\n A1 - A1[1] = \n", A1 - A1[1]) ``` A1 = [[7 6 4 8 2] [9 0 1 2 7] [5 9 1 5 0]] A1 - A1[1] = [[-2 6 3 6 -5] [ 0 0 0 0 0] [-4 9 0 3 -7]] ```python # 如果想按列运算，可以使用axis参数 df1 = pd.DataFrame(A1, columns=list("ABCDE")) print("df1 = \n", df1) # 默认按行计算 df2 = df1 - df1.iloc[1] print("\n df2 = \n", df2) # 按列运算需要使用axis参数 df3 = df1.subtract(df["B"], axis=0) print("\n df3 = \n", df3) ``` df1 = A B C D E 0 7 6 4 8 2 1 9 0 1 2 7 2 5 9 1 5 0 df2 = A B C D E 0 -2 6 3 6 -5 1 0 0 0 0 0 2 -4 9 0 3 -7 df3 = A B C D E 0 -79 -80 -82 -78 -84 1 -83 -92 -91 -90 -85 2 -61 -57 -65 -61 -66