Pandas庫的資料型別運算

算術運算根據行列索引，補齊後進行運算，不同索引之間不進行運算，運算預設產生浮點數；

補齊時預設填充nan（空值）；

二維和一維，一維和零維（實數）進行廣播運算；

採用±*/符號進行的二元運算會產生新的物件；

標籤相同的行和列進行運算，不同的補齊後運算，補齊的值為nan，nan與任何元素運算都是nan。

方法說明

.add(d,**argws)

型別間加法運算，可選引數

.sub(d,**argws)

型別間減法法運算，可選引數

.mul(d,**argws)

型別間乘法法運算，可選引數

.div(d,**argws)

型別間除法法運算，可選引數

這與±*/相比，好處在於可以增加一些可選引數。

可以看到使用fill_vallue先對a和b缺少的位置進行填充，隨後再進行運算。

不同維度運算的結果如何呢？

b = pd.dataframe(np.arange(20).reshape(4,5))
b

0 1 2 3 4 0 0 1 2 3 4 1 5 6 7 8 9 2 10 11 12 13 14 3 15 16 17 18 19

c = pd.series(np.arange(4))
c

0 0 1 1 2 2 3 3 dtype: int32

c - 10

0 -10 1 -9 2 -8 3 -7 dtype: int32

可以看到，一維和0維進行運算使用廣播功能，相當於對0維資料使用當前值（10）填充至於一維資料量相同，在進行運算。

同理c-b也會將一維的c作用到b的每乙個維度上，c預設作用到了b的一軸上，b中的每一行都與c做了相應運算。若要指定在0軸上發生運算，也就是希望c中的每一列都減去b中的每一列，這時就需要使用方法形式的運算來增加可選引數axis=0.

b.sub(c,axis=0)

0 1 2 3 4 0 0 1 2 3 4 1 4 5 6 7 8 2 8 9 10 11 12 3 12 13 14 15 16

a = pd.dataframe(np.arange(20).reshape(4,5))
a

0 1 2 3 4 0 0 1 2 3 4 1 5 6 7 8 9 2 10 11 12 13 14 3 15 16 17 18 19

b = pd.dataframe(np.arange(20,0,-1).reshape(4,5))
b

0 1 2 3 4 0 20 19 18 17 16 1 15 14 13 12 11 2 10 9 8 7 6 3 5 4 3 2 1

a > b

0 1 2 3 4 0 false false false false false 1 false false false false false 2 false true true true true 3 true true true true true

當同維度進行運算時，需要保證尺寸一致，不存在填充的情況下，尺寸不同會直接報錯。

c = pd.series(np.arange(5))
c

0 0 1 1 2 2 3 3 4 4 dtype: int32

a > c

0 1 2 3 4 0 false false false false false 1 true true true true true 2 true true true true true 3 true true true true true

可以看到，不同維度時，使用廣播運算，預設在1軸。