dataframe.add(other, axis=』columns』, level=none, fill_value=none)
dataframe.sub(other, axis=』columns』, level=none, fill_value=none)
dataframe.mul(other, axis=』columns』, level=none, fill_value=none)
dataframe.div(other, axis=』columns』, level=none, fill_value=none)
引數:
other : 序列, 資料框, 常量
axis : 0和index是橫向運算,1和columns是縱向運算
fill_value : none或者浮點型,替換預設值
level : int或name,選擇不同的索引,乙個資料框可能有兩個索引
返回值:
資料框
import pandas as pd
df = pd.dataframe([[1,1,1],[2,2,2],[3,3,3]],columns=['a', 'b', 'c'])
print(df)
a b c01
1112
2223
33print(df.sub([1,2,3],axis=1))
a b c
00 -1 -211
0 -122
10print(df.sub([1,2,3],axis=0))
a b c00
0010
0020
00
pandas基礎運算
python for data analysis pandas可以對不同索引的物件進行算術運算。例如 當物件相加時，如果存在不同的索引對，其結果的索引就是該索引對的並集。自動的資料對齊操作在不重疊的索引處引入了na值。並且會在算術運算中傳播。in 1 import numpy as np in 2 ...
pandas算術運算
df1 dataframe np.arange 12 reshape 3,4 columns list abcd df1out 74 a b c d 0 0 1 2 3 1 4 5 6 7 2 8 9 10 11df2 dataframe np.arange 20 reshape 4,5 colum...
pandas聚合運算，分組運算
分組運算，先根據一定規則拆分後的資料，然後對資料進行聚合運算，如前面見到的 mean sum 等就是聚合的例子。聚合時，拆分後的第乙個索引指定的資料都會依次傳給聚合函式進行運算。最後再把運算結果合併起來，生成最終結果。先生成乙個dataframe 用key1的索引分類再求平均 df.groupby ...