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)
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)
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)
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)
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)
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)
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 。