1. DataFrame之间的运算

• 在运算中自动对齐不同索引的数据

• 如果索引不对应，则补NaN

• DataFrame没有广播机制

导包

# 导包import numpy as npimport pandas as pd

创建 DataFrame df1 不同人员的各科目成绩，月考一

# 创建DataFrame二维数组df1 = pd.DataFrame(    data = np.random.randint(10,100,size=(3,3)),    index = ["小明","小红","小黄"],    columns = ["语文","数学","英语"])df1

	语文	数学	英语
小明	59	26	58
小红	14	74	53
小黄	49	28	99

创建 DataFrame df2 不同人员的各科目成绩，月考二

df2 = pd.DataFrame(    data = np.random.randint(10,100,size=(3,3)),    index = ["小明","小红","小黄"],    columns = ["语文","数学","英语"])df2

	语文	数学	英语
小明	55	71	13
小红	42	49	55
小黄	34	68	36

DataFrame和标量之间的运算

df1 + 100

	语文	数学	英语
小明	159	126	158
小红	114	174	153
小黄	149	128	199

df1 - 100

	语文	数学	英语
小明	-41	-74	-42
小红	-86	-26	-47
小黄	-51	-72	-1

df1 * 100 

	语文	数学	英语
小明	5900	2600	5800
小红	1400	7400	5300
小黄	4900	2800	9900

df1 / 100

	语文	数学	英语
小明	0.59	0.26	0.58
小红	0.14	0.74	0.53
小黄	0.49	0.28	0.99

df1 % 10

	语文	数学	英语
小明	9	6	8
小红	4	4	3
小黄	9	8	9

df1 ** 2

语文	数学	英语
小明	3481	676	3364
小红	196	5476	2809
小黄	2401	784	9801

DataFrame之间的运算

# 必须匹配行和列的索引df1 + df2

	语文	数学	英语
小明	84	50	116
小红	85	144	145
小黄	121	115	179

使用 .add() 函数，填充数据

df3 = pd.DataFrame(    data = np.random.randint(10,100,size=(4,4)),    index = ["小明","小红","小黄","小绿"],    columns = ["语文","数学","英语","物理"])display(df1,df3)​

	语文	数学	英语
小明	59	26	58
小红	14	74	53
小黄	49	28	99

	语文	数学	英语	物理
小明	30	40	59	59
小红	46	72	56	96
小黄	25	20	99	73
小绿	92	78	41	44

df1 + df3​

	数学	物理	英语	语文
小明	66.0	NaN	117.0	89.0
小红	146.0	NaN	109.0	60.0
小绿	NaN	NaN	NaN	NaN
小黄	48.0	NaN	198.0	74.0

# 先填充0，再相加df1.add(df3,fill_value=0)

	数学	物理	英语	语文
小明	66.0	59.0	117.0	89.0
小红	146.0	96.0	109.0	60.0
小绿	78.0	44.0	41.0	92.0
小黄	48.0	73.0	198.0	74.0

# 除法df1.divide(df3,fill_value=2)

	数学	物理	英语	语文
小明	0.650000	0.033898	0.983051	1.966667
小红	1.027778	0.020833	0.946429	0.304348
小绿	0.025641	0.045455	0.048780	0.021739
小黄	1.400000	0.027397	1.000000	1.960000

2. Series与DataFrame之间的运算

• 使用Python操作符：以行为单位操作（参数必须是行），对所有行都有效

  • 类似于NumPy中二维数组与一维数组的运算，但可能出现NaN

• 使用Pandas操作函数：

  • axis=0：以列为单位操作（参数必须是列），对所有列都有效

  • axis=1：以行为单位操作（参数必须是行），对所有行都有效

s = pd.Series([100,10,1],index=df1.columns)s

语文    100
数学     10
英语      1
dtype: int64

df1 + s

	语文	数学	英语
小明	159	36	59
小红	114	84	54
小黄	149	38	100

df1.add(s)

	语文	数学	英语
小明	159	36	59
小红	114	84	54
小黄	149	38	100

# axis:(0 or "index",1 or "columns")，默认为列df1.add(s,axis="columns")

	语文	数学	英语
小明	159	36	59
小红	114	84	54
小黄	149	38	100

df1.add(s,axis=1)​

	语文	数学	英语
小明	159	36	59
小红	114	84	54
小黄	149	38	100

s = pd.Series([100,10,1],index=df1.index)s

小明    100
小红     10
小黄      1
dtype: int64

# 行df1.add(s,axis=0)

	语文	数学	英语
小明	159	126	158
小红	24	84	63
小黄	50	29	100

df1.add(s,axis="index")

	语文	数学	英语
小明	159	126	158
小红	24	84	63
小黄	50	29	100