DataFrame(7)：DataFrame运算——算术运算

1、DataFrame算术运算

• 加：add 或 +
• 减：sub 或 -

2、DataFrame与标量之间的运算(这个才是最重要的)

1）原始数据

x = [[np.nan,1,1,1,1],[2,2,np.nan,2,2],[3,3,3,3,3],[4,np.nan,4,4,4]]
df = pd.DataFrame(x,columns=list("abcde"))
display(df)

  

 

  
1
  
2
  
3
 

结果如下：

2）DataFrame与标量的加法运算

① 使用“+”运算符

x = [[np.nan,1,1,1,1],[2,2,np.nan,2,2],[3,3,3,3,3],[4,np.nan,4,4,4]]
df = pd.DataFrame(x,columns=list("abcde"))
display(df)


# DataFrame与标量的运算：df中的每个元素与100一一相加
df1 = df + 100
display(df1)

# 一列(Series)与标量的运算
display(df["a"])
df["a"] = df["a"] + 100
display(df)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
 

结果如下：

② 使用“add()”函数

x = [[np.nan,1,1,1,1],[2,2,np.nan,2,2],[3,3,3,3,3],[4,np.nan,4,4,4]]
df = pd.DataFrame(x,columns=list("abcde"))
display(df)

df1 = df.add(100)
display(df1)

# 可以使用fill_value参数，给缺失值nan添加默认值
df2 = df.add(100,fill_value=1000)
display(df2)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

结果如下：

注意：减法运算和加法运算的运算一摸一样，只需要将+换为-，将add()换位sub()即可。

3、DataFrame与DataFrame之间的运算

1）原始数据

x = pd.DataFrame({"a":[1,2,3], "b":[2,3,4], "c":[3,4,5]})
display(x)

y = pd.DataFrame({"a":[1,2,3], "b":[2,3,4], "d":[3,4,5]}, index=[1,2,3])
display(y)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

结果如下：

2）DataFrame与DataFrame之间的减法运算

① 使用“+”运算符

x = pd.DataFrame({"a":[1,2,3], "b":[2,3,4], "c":[3,4,5]})
display(x)

y = pd.DataFrame({"a":[1,2,3], "b":[2,3,4], "d":[3,4,5]}, index=[1,2,3])
display(y)

display(x+y)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

结果如下：

② 使用“sub()”函数

x = pd.DataFrame({"a":[1,2,3], "b":[2,3,4], "c":[3,4,5]})
display(x)

y = pd.DataFrame({"a":[1,2,3], "b":[2,3,4], "d":[3,4,5]}, index=[1,2,3])
display(y)

z = x.sub(y)
display(z)

z1 = x.sub(y,fill_value=100)
display(z1)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
 

结果如下：

总结如下：DataFrame与DataFrame之间的运算，由于DataFrame中的每一元素都由其行列索引唯一确定，也就是说DataFrame中的每一元素都有一个(行索引,列索引)构成的坐标 。因此对于不同的DataFrame，只用索引匹配上的数据，对应元素相加，对于没有匹配上的数据，返回的是NaN值 。

文章来源: blog.csdn.net，作者：数据分析与统计学之美，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/weixin_41261833/article/details/104176300