如下所示：
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
一、Series与Series...
如下所示：
import numpy as np import pandas as pd from pandas import Series,DataFrame
一、Series与Series
s1 = Series([1,3,5,7],index=[\'a\',\'b\',\'c\',\'d\']) s2 = Series([2,4,6,8],index=[\'a\',\'b\',\'c\',\'e\'])
索引对齐项相加，不对齐项的值取NaN
s1+s2 1 a 3.0 b 7.0 c 11.0 d NaN e NaN dtype: float64
二、DataFrame与DataFrame
data1 = {\'水果\':[\'苹果\',\'梨\',\'草莓\'],
\'数量\':[3,2,5],
\'价格\':[10,9,8]}
data2 = {\'数量\':[3,2,5,6],
\'价格\':[10,9,8,7]}
df1 = DataFrame(data1)
df2 = DataFrame(data2)
在行和列上同时对齐后进行计算，如果找不到对应项则取NaN
print(df1*df2)
价格 数量 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与DataFrame
1.利用广播实现DataFrame与某行的运算
print(df2+df2.iloc[0]) # 将第0行加到所有行上
价格 数量 0 20 6 1 19 5 2 18 8 3 17 9
2.利用广播实现DataFrame与某列的运算(指定轴axis=0)
print(df2.sub(df2.iloc[:,0],axis=0))
价格 数量 0 0 -7 1 0 -7 2 0 -3 3 0 -1
3.运算时如果无法对齐，则填充NaN
s = Series([1,1,1],index=[\'数量\',\'价格\',\'重量\']) print(df2+s)
价格 数量 重量 0 11 4 NaN 1 10 3 NaN 2 9 6 NaN 3 8 7 NaN
以上这篇浅谈Pandas:Series和DataFrame间的算术元素就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权百度百家发表，未经许可，不得转载。
