一、使
用+−×
÷進行運
算\color一、使用+-×÷進行運算
一、使用+−
×÷進行
運算 不論是
seri
es還是
data
fram
e間的運
算不論是series還是dataframe間的運算
不論是ser
ies還
是dat
afra
me間的
運算 都遵循
補齊行和
列進行運
算都遵循補齊行和列進行運算
都遵循補齊行
和列進行
運算 看下面
這個例子
看下面這個例子
看下面這個例
子
import numpy as np
import pandas as pd
a=pd.dataframe(np.arange(12).reshape(3,4))
b=pd.dataframe(np.arange(20).reshape(4,5))
print(a)
print(b)
c=a+b
print(c)
個三行四
列的a和
四行五列
的b生成乙個三行四列的a和四行五列的b
生成乙個三行
四列的a
和四行五
列的b相加會
得到什麼
呢?相加會得到什麼呢?
相加會得到什
麼呢?
如 圖,
只有在索
引雙方都
存在時會
進行運算
,否則補
齊nan
,和na
n運算後
還是na
n如圖,只有在索引雙方都存在時會進行運算,否則補齊nan,和nan運算後還是nan
如圖,只有在
索引雙方
都存在時
會進行運
算,否則
補齊na
n,和n
an運算
後還是n
an 二、使
用函式進
行運算\color二、使用函式進行運算
二、使用函式
進行運算在上
麵用+的
話,會自
動補齊n
an在上面用+的話,會自動補齊nan
在上面用+的
話,會自
動補齊n
an 但如果
我們用函
數代替+
的話,可
以新增一
些引數但如果我們用函式代替+的話,可以新增一些引數
但如果我們用
函式代替
+的話,
可以新增
一些引數
import numpy as np
import pandas as pd
a=pd.dataframe(np.arange(12).reshape(3,4))
b=pd.dataframe(np.arange(20).reshape(4,5))
c=a.add(b,fill_value=9)
print(c)
add(
)的fi
ll_v
alue
屬性,填
充時就不
再用na
n填充設定.add()的fill\_value屬性,填充時就不再用nan填充
設定.add
()的f
ill_
valu
e屬性,
填充時就
不再用n
an填充列印
的結果也
就不會有
nan了
列印的結果也就不會有nan了
列印的結果也
就不會有
nan了三、
使用函式
進行運算
\color三、使用函式進行運算
三、使用函式
進行運算上面
都是相同
維度的運
算,那如
果ser
ies和
單獨的數
字運算呢
上面都是相同維度的運算,那如果series和單獨的數字運算呢
上面都是相同
維度的運
算,那如
果ser
ies和
單獨的數
字運算呢
import numpy as np
import pandas as pd
a=pd.series(np.arange(6))
a=a+10
print(a)
的每個值
都加上了
10結果a的每個值都加上了10
結果a的每個
值都加上
了10
那 se
ries
和dat
afra
me運算
呢那series和dataframe運算呢
那serie
s和da
tafr
ame運
算呢
import numpy as np
import pandas as pd
a=pd.series(np.arange(6))
b=pd.dataframe(np.arange(10).reshape(2,5))
print(a+b)
Golang學習筆記 四 資料型別
go語言內建了豐富的資料型別，主要分為四類，基礎資料型別 復合資料型別，引用資料型別及介面資料型別，另外，在這些型別的基礎，也支援我們根據自己的資料型別，這就為我們編寫 提供很大的便利性。這一節，我們先學一下基礎資料型別中的整數型別。整數型別分兩種，有符號 int8,int16,int32,int6...
MYSQL學習筆記四（資料型別）
mysql支援的資料型別可以簡單的分為三類 數值 日期 時間和字串 字元 型別。型別大小 範圍 有符號 範圍 無符號 用途tinyint 1 位元組 128，127 0，255 小整數值 smallint 2 位元組 32 768，32 767 0，65 535 大整數值 mediumint 3 位...
MYSQL學習筆記四（資料型別）
一 mysql資料型別 mysql支援的資料型別可以簡單的分為三類 數值 日期 時間和字串 字元 型別。二 數值型別 型別 大小 範圍 有符號 範圍 無符號 用途 tinyint 1 位元組 128，127 0，255 小整數值 smallint 2 位元組 32 768，32 767 0，65 5...