熊猫的对齐运算
是数据清洗的重要过程,可以按索引对齐进行运算,如果没对齐的位置则补南最后也可以填充南
系列的对齐运算
引用>1。系列按行,索引对齐
示例代码:
<代码类="语言python "> s1=pd。系列(范围(10、20)指数=范围(10)) s2=pd。系列(范围(20、25)指数=范围(5)) print (s1:) 打印(s1) 代码>运行结果:
<代码类="语言python "> s1: 0 10 1 11 2 12 3 13 4 14 5 15 6日16 7日17 8日18 9日19 dtype: int64 s2: 0 20 1 21 2 22 3 23 4 24 dtype: int64 代码>2。系列的对齐运算
示例代码:
<代码类="语言python "> s1 + s2 代码>运行结果:
<代码类="语言python "> 30.0 0 1 32.0 2 34.0 3 36.0 4 38.0 5南 6南 7南 8南 9日南 dtype: float64 代码>DataFrame的对齐运算
引用>1。DataFrame按行、列索引对齐
示例代码:
<=坝镅詐ython代码类> df1=pd.DataFrame (np.ones((2, 2)),列=[a, b]) df2=pd.DataFrame (np.ones((3、3)),列=[' a ', ' b ', ' c ']) print (' df1: ') 打印(df1) print () print (' df2: ') 打印(df2) 代码>运行结果:
<代码类="语言python "> df1: 一个b 0 1.0 1.0 1)1.0 - 1.0 df2: a b c 0 1.0 1.0 1.0 1 1.0 1.0 1.0 2 1.0 1.0 1.0 代码>2。DataFrame的对齐运算
示例代码:
<代码类="语言python "> df1 + df2 代码>运行结果:
<代码类="语言python "> a b c 0 2.0 2.0南 1 2.0 2.0南 2南南南代码>填充未对齐的数据进行运算
引用><李> fill_value李>
使用添加、子,div, mul 的同时,
通过 fill_value 指定填充值,未对齐的数据将和填充值做运算
引用>示例代码:
<代码类="语言python ">打印(s1) 打印(s2) s1。添加(s2, fill_value=https://www.yisu.com/zixun/-1) 打印(df1) 打印(df2) df1。子(df2 fill_value=2) 代码>运行结果:
<代码类="语言python ">打印(s1) 打印(s2) s1。添加(s2, fill_value=https://www.yisu.com/zixun/-1) 打印(df1) 打印(df2) df1。子(df2 fill_value=2) 代码>运行结果:
<代码类="语言python "> #打印(s1) 0 10 1 11 2 12 3 13 4 14 5 15 6日16 7日17 8日18 9日19 dtype: int64 #打印(s2) 0 20 1 21 2 22 3 23 4 24 dtype: int64 # s1。添加(s2, fill_value=https://www.yisu.com/zixun/-1) 0 30.0 1 32.0 2 34.0 3 36.0 4 38.0 5 14.0 6 15.0 7 16.0 8 17.0 9 18.0 dtype: float64 #打印(df1) 一个b 0 1.0 1.0 1)1.0 - 1.0 #打印(df2) a b c 0 1.0 1.0 1.0 1 1.0 1.0 1.0 2 1.0 1.0 1.0 # df1。子(df2 fill_value=2)。 a b c 0 0.0 0.0 1.0 1 0.0 0.0 1.0 2 1.0 1.0 1.0 代码>熊猫对齐运算