3. 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
3.1. 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。
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
3.2. 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。
# 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
# 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
3.3. 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。
# 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]]
# 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