对pandas的算术运算和数据对齐实例详解

pandas可以对不同索引的对象进行算术运算，如果存在不同的索引对，结果的索引就是该索引对的并集。

一、算术运算

a、series的加法运算

 s1 = Series([1,2,3],index=["a","b","c"])
 s2 = Series([4,5,6],index=["a","c","e"])
 print(s1+s2)
 '''
 a  5.0
 b  NaN
 c  8.0
 e  NaN
 '''

sereis相加会自动进行数据对齐操作，在不重叠的索引处会使用NA(NaN)值进行填充，series进行算术运算的时候，不需要保证series的大小一致。

b、DataFrame的加法运算

d1 = np.arange(1,10).reshape(3,3)
 dataFrame1 = DataFrame(d1,index=["a","b","c"],columns=["one","two","three"])
 d2 = np.arange(1,10).reshape(3,3)
 dataFrame2 = DataFrame(d2,index=["a","b","e"],columns=["one","two","four"])
 print(dataFrame1+dataFrame2)
 '''
   four one three  two
 a  NaN 2.0  NaN  4.0
 b  NaN 8.0  NaN 10.0
 c  NaN NaN  NaN  NaN
 e  NaN NaN  NaN  NaN
 '''

dataFrame相加时，对齐操作需要行和列的索引都重叠的时候才回相加，否则会使用NA值进行填充。

二、指定填充值

 s1 = Series([1,2,3],index=["a","b","c"])
 s2 = Series([4,5,6],index=["a","c","e"])
 print( s1.add(s2,fill_value=0))
 '''
 a  5.0
 b  2.0
 c  8.0
 e  6.0
 '''

需要注意的时候，使用add方法对两个series进行相加的时候，设置fill_value的值是对于不存在索引的series用指定值进行填充后再进行相加。除了加法add，还有sub减法,div除法,mul乘法，使用方式与add相同。DataFrame与series一样。

 s1 = Series([1,2,3],index=["a","b","c"])
 s2 = Series([4,5,6],index=["a","c","e"])
 print(s2.reindex(["a","b","c","d"],fill_value=0))
 '''
 a  4
 b  0
 c  5
 d  0
 '''
 s3 = s1 + s2
 print(s3.reindex(["a","b","c","e"],fill_value=0))
 '''
 a  5.0
 b  NaN
 c  8.0
 e  NaN
 '''

使用reindex进行填充的时候，需要注意的是，不能对已经是值为NaN的进行重新赋值，只能对使用reindex之前不存在的所以使用指定的填充值，DataFrame也是一样的。

三、DataFrame与Series的混合运算

a、DataFrame的行进行广播

 a = np.arange(9).reshape(3,3)
 d = DataFrame(a,index=["a","b","c"],columns=["one","two","three"])
 #取d的第一行为Series
 s = d.ix[0]
 print(d+s)
 '''
   one two three
 a  0  2   4
 b  3  5   7
 c  6  8   10
 '''

b、DataFrame的列进行广播

 a = np.arange(9).reshape(3,3)
 d = DataFrame(a,index=["a","b","c"],columns=["one","two","three"])
 #取d的第一列为Series
 s = d["one"]
 print(d.add(s,axis=0))
 '''
   one two three
 a  0  1   2
 b  6  7   8
 c  12  13   14
 '''

对列进行广播的时候，必须要使用add方法，而且还要将axis设置为0，不然就会得到下面的结果

 print(d.add(s))
 '''
   a  b  c one three two
 a NaN NaN NaN NaN  NaN NaN
 b NaN NaN NaN NaN  NaN NaN
 c NaN NaN NaN NaN  NaN NaN
 '''

来源：https://blog.csdn.net/sinat_29957455/article/details/78989104