Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.add()方法的使用。

DataFrame.add(other, axis='columns', level=None, fill_value=None)

添加dataframe和其他元素(二进制操作符add)。

等价于dataframe + other,但是支持用fill_value替换其中一个输入中缺失的数据。使用反向版本,radd

在灵活的包装器(add, sub, mul, div, mod, pow)到算术运算符:+-*///%**

参数:

other scalar, sequence, Series, 或 DataFrame

任何单个或多个元素数据结构,或类似列表对象。

axis : {0 或 ‘index’, 1 或 ‘columns’}

不论通过index(0 或 ‘index’)或columns(1 or ‘columns’)进行比较。

 对于Series输入,axis匹配Series索引。

level : intlabel

跨level广播,匹配传递的MultiIndex level的索引值。

fill_value : floatNone, 默认 None

在计算之前,用这个值填充现有的缺失值(NaN),

以及成功进行DataFrame对齐所需的任何新元素。

如果两个对应的DataFrame位置中的数据都丢失,则结果将丢失。

返回:

DataFrame

算术运算的结果。

注意

不匹配的索引将被合并在一起

例子,

>>> df = pd.DataFrame({'angles': [0, 3, 4],
... 'degrees': [360, 180, 360]},
... index=['circle', 'triangle', 'rectangle'])
>>> df
angles degrees
circle 0 360
triangle 3 180
rectangle 4 360

添加带有操作符版本的标量,该操作符版本返回相同的结果

>>> df + 1
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361
>>> df.add(1)
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361

除以常数的倒数形式

>>> df.div(10)
angles degrees
circle 0.0 36.0
triangle 0.3 18.0
rectangle 0.4 36.0
>>> df.rdiv(10)
angles degrees
circle inf 0.027778
triangle 3.333333 0.055556
rectangle 2.500000 0.027778

用操作符版本按axis减去列表和序列

>>> df - [1, 2]
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
>>> df.sub([1, 2], axis='columns')
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
>>> df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
... axis='index')
angles degrees
circle -1 359
triangle 2 179
rectangle 3 359

将不同形状的DataFrame与运算符版本相乘

>>> other = pd.DataFrame({'angles': [0, 3, 4]},
... index=['circle', 'triangle', 'rectangle'])
>>> other
angles
circle 0
triangle 3
rectangle 4
>>> df * other
angles degrees
circle 0 NaN
triangle 9 NaN
rectangle 16 NaN
>>> df.mul(other, fill_value=0)
angles degrees
circle 0 0.0
triangle 9 0.0
rectangle 16 0.0

除以一个MultiIndex的level

>>> df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6],
... 'degrees': [360, 180, 360, 360, 540, 720]},
... index=[['A', 'A', 'A', 'B', 'B', 'B'],
... ['circle', 'triangle', 'rectangle',
... 'square', 'pentagon', 'hexagon']])
>>> df_multindex
angles degrees
A circle 0 360
triangle 3 180
rectangle 4 360
B square 4 360
pentagon 5 540
hexagon 6 720
>>> df.div(df_multindex, level=1, fill_value=0)
angles degrees
A circle NaN 1.0
triangle 1.0 1.0
rectangle 1.0 1.0
B square 0.0 0.0
pentagon 0.0 0.0
hexagon 0.0 0.0