Pandas的基本功能（四）

DataFrame和Series之间的算术运算

DataFrame和Series之间的算术运算与NumPy数组运算一样都有明确规定，具体示例如下所示：

In [40]: import numpy as np
In [41]: from pandas import Series,DataFrame
In [42]: f = DataFrame(np.arange(12).reshape(4,3),index =
 ...: ['qian','feng','jiao','yu'],columns = ['a','b','c'])
In [43]: se = f.loc['qian']
In [44]: se1 = Series(range(3),index = ['b','c','d'])
In [45]: se2 = f['b']
In [46]: f1 = f - se
In [47]: f2 = f + se1
In [48]: f3 = f.sub(se2,axis = 0)

上述代码是DataFrame和Series之间的算术运算，其中In [43]是使用loc获取f中行索引为“qian”的数据，并将其赋值给变量se；In [45]是获取f中列索引为“b”的数据，并将其赋值给变量se2；In [46]是计算对象f与对象se的差，并将计算结果赋值给变量f1；In [47]是计算对象f与对象se1的和，并将计算结果赋值给变量f2；In [48]是计算对象f与对象se2的差，并将计算结果赋值给变量f3。各变量的运行结果如下所示：

In [49]: f
Out[49]:
 a b c
qian 0 1 2
feng 3 4 5
jiao 6 7 8
yu 9 10 11
In [50]: se
Out[50]:
a 0
b 1
c 2
Name: qian, dtype: int32
In [51]: se1
Out[51]:
b    0
c 1
d 2
dtype: int64
In [52]: se2
Out[52]:
qian 1
feng 4
jiao 7
yu 10
Name: b, dtype: int32
In [53]: f1
Out[53]:
 a b c
qian 0 0 0
feng 3 3 3
jiao 6 6 6
yu 9 9 9
In [54]: f2
Out[54]:
 a b c d
qian NaN 1.0 3.0 NaN
feng NaN 4.0 6.0 NaN
jiao NaN 7.0 9.0 NaN
yu NaN 10.0 12.0 NaN
In [55]: f3
Out[55]:
 a b c
qian -1 0 1
feng -1 0 1
jiao -1 0 1
yu -1 0 1

从上述运行结果可看出，默认情况下的f1是将Series对象的索引直接匹配到DataFrame对象的列，然后沿着行往下一直广播（矩阵或向量减去一个常数，一般是矩阵中的每一个元素减去此常数）。当在DataFrame的列索引或Series对象的索引中匹配不成功，则参与运算的两个对象会被重新索引并形成并集，如f2中f1与se1的加法运算。若既要匹配行，又要在列上广播，则需要使用算术运算方法，如f3。

上述示例中使用了Pandas中的算术方法sub，用于不同对象中的减法运算，Pandas中还有很多类似的算术方法，具体如表4.6所示。