Python数据科学手册（五）【Pandas 数据操作】

Numpy的一个优点就是提供了快速的元素级别操作，比如算术运算以及其他复杂操作。DataFrame继承 了大部分功能。
Pandas在这些函数的基础上提供了更为高级的功能。比如，一元运算不修改行索引和列索引；而对于二元操作，Pandas会自动对齐行索引。

索引不变的通用函数

由于Pandas是基于Numpy搭建的，所以任何Numpy的通用函数都适用于Pandas
Series对象和DataFrame对象。
首先，我们创建一个Series对象和DataFrame对象。

import pandas as pd
import numpy as np
rng = np.random.RandomState(42)
ser = pd.Series(rng.randint(0, 10, 4))

0    6
1    3
2    7
3    4
dtype: int64

创建DataFrame

df = pd.DataFrame(rng.randint(0, 10, (3, 4)),
                  columns=['A', 'B', 'C', 'D'])

image.png

如果将Numpy通用函数作用与Pandas对象上，得到的结果索引保持不变：

np.exp(ser)

结果为：

0     403.428793
1      20.085537
2    1096.633158
3      54.598150
dtype: float64

更复杂的例子：

np.sin(df * np.pi / 4)

image.png

对齐索引的通用函数

对于二元操作，Pandas会自动对齐索引之后然后进行运算。

Series中的索引对齐

首先，创建两个Series对象，然后进行合并操作：

area = pd.Series({'Alaska': 1723337, 'Texas': 695662,
                  'California': 423967}, name='area')
population = pd.Series({'California': 38332521, 'Texas': 26448193,
                        'New York': 19651127}, name='population')

通过除法运算计算人 口密度：

population / area

结果为：

Alaska              NaN
California    90.413926
New York            NaN
Texas         38.018740
dtype: float64

结果索引是两者的并集：

area.index | population.index
# Index(['Alaska', 'California', 'New York', 'Texas'], dtype='object')

如果某个DataFrame没有对应的键值，则赋值为NaN。对于其他的二元算术操作，结果都是类似的：

A = pd.Series([2, 4, 6], index=[0, 1, 2])
B = pd.Series([1, 3, 5], index=[1, 2, 3])
A + B

结果为：

0    NaN
1    5.0
2    9.0
3    NaN
dtype: float64

如果填充NaN不是自己想要的结果，还可以通过调用方法并指定填充值：

A.add(B, fill_value=0)

输出为：

0    2.0
1    5.0
2    9.0
3    5.0
dtype: float64

DataFrame中的索引对齐

当操作DataFrame时，会通水对齐行和列。

A = pd.DataFrame(rng.randint(0, 20, (2, 2)),
                 columns=list('AB'))
B = pd.DataFrame(rng.randint(0, 10, (3, 3)),
                 columns=list('BAC'))

A+B:

A + B

image.png

还可以指定填充值：

fill = A.stack().mean()
A.add(B, fill_value=fill)

结果为：

image.png

同时操作DataFrame和Series的通用函数。

当同时操作DataFrame和Series对象时，行和列索引保持对齐。

df = pd.DataFrame(A, columns=list('QRST'))
df - df.iloc[0]

结果为：

image.png

上述操作是行级别的，如果需要列级别的操作，需要指定aixs：

df.subtract(df['R'], axis=0)

image.png