算术运算和数据对齐
Series和DataFrame中行运算和列运算有种特征叫做广播
在将对象相加时，如果存在不同的索引对，则结果的索引就是该索引对的并集。自动的数据对齐操作在不重叠的索引处引入了NA值，NA值在算术运算中过程中传播。
import pandas as pd
from pandas import Series
import numpy as np
s1 = Series([7.3,-2.5,3.4,1.5],index=[‘a‘,‘c‘,‘d‘,‘e‘])
s2 = Series([-2.1,3.6,-1.5,4,3.1],index=[‘a‘,‘c‘,‘e‘,‘f‘,‘g‘])
s1+s2
a 5.2
c 1.1
d NaN
e 0.0
f NaN
g NaN
dtype: float64对于DataFrame，对齐操作会同时发生在行和列上。
df1 = pd.DataFrame(np.arange(9.).reshape(3,3),columns=[‘b‘,‘c‘,‘d‘],index=[‘ohio‘,‘texas‘,‘colorado‘])
df1
b c d
ohio 0.0 1.0 2.0
texas 3.0 4.0 5.0
colorado6.0 7.0 8.0
df2 = pd.DataFrame(np.arange(12.).reshape(4,3),columns=[‘b‘,‘d‘,‘e‘],index=[‘utah‘,‘ohio‘,‘texas‘,‘oregon‘])
df2
b d e
utah 0.0 1.0 2.0
ohio 3.0 4.0 5.0
texas 6.0 7.0 8.0
oregon 9.0 10.0 11.0
df1+df2
b c d e
coloradoNaN NaN NaN NaN
ohio 3.0 NaN 6.0 NaN
oregon NaN NaN NaN NaN
texas 9.0 NaN 12.0 NaN
utah NaN NaN NaN NaN在算术方法中填充值
df1 = pd.DataFrame(np.arange(12.).reshape(3,4),columns=list(‘abcd‘))
df2 = pd.DataFrame(np.arange(20.).reshape(4,5),columns=list(‘abcde‘))
df1
a b c d
0 0.0 1.0 2.0 3.0
1 4.0 5.0 6.0 7.0
2 8.0 9.0 10.0 11.0
df2
a b c d e
0 0.0 1.0 2.0 3.0 4.0
1 5.0 6.0 7.0 8.0 9.0
2 10.0 11.0 12.0 13.0 14.0
3 15.0 16.0 17.0 18.0 19.0
df1+df2
a b c d e
0 0.0 2.0 4.0 6.0 NaN
1 9.0 11.0 13.0 15.0 NaN
2 18.0 20.0 22.0 24.0 NaN
3 NaN NaN NaN NaN NaN
### 这里面的fill_value=0不是指填充0，而是填充的值为0加上以前的值
df1.add(df2,fill_value=0)
a b c d e
0 0.0 2.0 4.0 6.0 4.0
1 9.0 11.0 13.0 15.0 9.0
2 18.0 20.0 22.0 24.0 14.0
3 15.0 16.0 17.0 18.0 19.0
### 重新索引的时候，fill_value的值是填充1
df1.reindex(columns=df2.columns,fill_value=1)
a b c d e
0 0.0 1.0 2.0 3.0 1
1 4.0 5.0 6.0 7.0 1
2 8.0 9.0 10.0 11.0 1灵活的算术方法：
| 方法 | 说明 |
|---|---|
| add | + |
| sub | - |
| div | / |
| mul | * |
DataFrame和Series之间的运算
这就叫做广播，会传递下去的进行算术运算
arr = np.arange(12.).reshape(3,4)
arr
array([[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.]])
arr-arr[0]
array([[0., 0., 0., 0.],
[4., 4., 4., 4.],
[8., 8., 8., 8.]])dataframe中
frame = pd.DataFrame(np.arange(12.).reshape(4,3),columns=list(‘bde‘),index=[‘utah‘,‘ohio‘,‘texas‘,‘oregon‘])
frame
b d e
utah 0.0 1.0 2.0
ohio 3.0 4.0 5.0
texas 6.0 7.0 8.0
oregon 9.0 10.0 11.0
# 先取utah行
series=frame.ix[‘utah‘]
b 0.0
d 1.0
e 2.0
Name: utah, dtype: float64
frame-series
b d e
utah 0.0 0.0 0.0
ohio 3.0 3.0 3.0
texas 6.0 6.0 6.0
oregon 9.0 9.0 9.0
#如果某个索引值在DataFrame的列或Series的索引中找不到，则参与运算的两个对象就会被重新索引以形成并集。
series2 = Series(range(3),index=[‘b‘,‘e‘,‘f‘])
series2
frame+series2
b d e f
utah 0.0 NaN 3.0 NaN
ohio 3.0 NaN 6.0 NaN
texas 6.0 NaN 9.0 NaN
oregon 9.0 NaN 12.0 NaN
# 如果你希望匹配列且在列上广播，则必须使用算术运算方法,axis = 0 代表列索引，axis=1代表行索引。
series3 = frame[‘d‘]
utah 1.0
ohio 4.0
texas 7.0
oregon 10.0
Name: d, dtype: float64
frame.sub(series3, axis=0)
b d e
utah -1.0 0.0 1.0
ohio -1.0 0.0 1.0
texas -1.0 0.0 1.0
oregon -1.0 0.0 1.0函数应用和映射
apply方法
frame = pd.DataFrame(np.arange(12.).reshape(4,3),columns = list(‘bde‘),index=[‘utah‘,‘ohio‘,‘texas‘,‘oregon‘])
frame
b d e
utah 0.0 1.0 2.0
ohio 3.0 4.0 5.0
texas 6.0 7.0 8.0
oregon 9.0 10.0 11.0
# 默认操作列
f = lambda x:x.max()-x.min()
frame.apply(f)
b 9.0
d 9.0
e 9.0
dtype: float64
# 指定操作行
frame.apply(f,axis=1)
utah 2.0
ohio 2.0
texas 2.0
oregon 2.0
dtype: float64
# 如果都实现不了你要的需求，可以直接写函数
def f(x):
return Series([x.min(),x.max()],index=[‘min‘,‘max‘])
frame.apply(f)
b d e
min 0.0 1.0 2.0
max 9.0 10.0 11.0applymap方法
# 还可以python函数的占位符使用，之所以叫applymap,是因为Series有一个应用于元素级函数的map方法
format = lambda x: ‘你好%s‘ % x
frame.applymap(format)
b d e
utah 你好0.0 你好1.0 你好2.0
ohio 你好3.0 你好4.0 你好5.0
texas 你好6.0 你好7.0 你好8.0
oregon 你好9.0 你好10.0 你好11.0
frame[‘d‘].map(format)
utah 你好1.0
ohio 你好4.0
texas 你好7.0
oregon 你好10.0
Name: d, dtype: object排序和排名
排序sort_index、sort_values
Series可以进行索引排序，默认进行升序，如果要降序排序，可以sort_index(ascending=False)
Series按值排序，sort_vlaues()
obj = Series(range(4),index=[‘d‘,‘c‘,‘a‘,‘b‘])
obj
d 0
c 1
a 2
b 3
dtype: int64
obj.sort_index()
a 2
b 3
c 1
d 0
dtype: int64
obj.sort_index(ascending=False)
d 0
c 1
b 3
a 2
dtype: int64
obj.sort_values()
d 1
c 2
b 3
a 4
dtype: int64
# 降序
obj1.sort_values(ascending=False)
b 3
a 2
c 1
d 0
dtype: int64
# 在排序时，任何缺失值默认都会被放到Series的末尾
obj2 = Series([4,np.nan,7,np.nan,-2,1])
obj2.sort_values()
4 -2.0
5 1.0
0 4.0
2 7.0
1 NaN
3 NaN
dtype: float64
DataFrame可以进行索引排序，默认为行索引排序
frame=pd.DataFrame(np.arange(12).reshape(4,3),index=list(‘badc‘),columns=[2,1,3])
frame
2 1 3
b 0 1 2
a 3 4 5
d 6 7 8
c 9 10 11
# 这里的axis为列排序
frame.sort_index(axis=1)
1 2 3
b 1 0 2
a 4 3 5
d 7 6 8
c 10 9 11
frame.sort_index()
2 1 3
a 3 4 5
b 0 1 2
c 9 10 11
d 6 7 8
# 在DataFrame上，你可以将一个或多个列的名字传递给by选项即可达到目的。
frame1 = pd.DataFrame({‘b‘:[4,7,-3,2],‘a‘:[0,1,0,1]})
frame1
b a
0 4 0
1 7 1
2 -3 0
3 2 1
frame1.sort_index(by=‘b‘)
b a
2 -3 0
3 2 1
0 4 0
1 7 1
frame1.sort_index(by=[‘a‘,‘b‘])
b a
2 -3 0
0 4 0
3 2 1
1 7 1排名rank()
表示在这个数在原来的Series中排第几名，有相同的数，取其排名平均（默认）作为值
在obj中，4和4的排名是第4名和第五名，取平均得4.5。7和7的排名分别是第六名和第七名，则其排名取平均得6.5
obj4 = Series([7,-5,7,4,2,0,4])
obj4.rank()
0 6.5
1 1.0
2 6.5
3 4.5
4 3.0
5 2.0
6 4.5
dtype: float64
# 根据值在源数据中出现的顺序进行排名
obj4.rank(method=‘first‘)
0 6.0
1 1.0
2 7.0
3 4.0
4 3.0
5 2.0
6 5.0
dtype: float64原文地址：https://www.cnblogs.com/lishi-jie/p/9911012.html
时间： 2024-11-09 07:59:37