pandas DataFrame-向量化运算
Posted liulangmao
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pandas DataFrame-向量化运算相关的知识,希望对你有一定的参考价值。
pandas DataFrame进行向量化运算时,是根据行和列的索引值进行计算的,而不是行和列的位置:
1. 行和列索引一致:
import pandas as pd df1 = pd.DataFrame({‘a‘: [1, 2, 3], ‘b‘: [4, 5, 6], ‘c‘: [7, 8, 9]}) df2 = pd.DataFrame({‘a‘: [10, 20, 30], ‘b‘: [40, 50, 60], ‘c‘: [70, 80, 90]}) print df1 + df2
a b c
0 11 44 77
1 22 55 88
2 33 66 99
2. 行索引一致,列索引不一致:
df1 = pd.DataFrame({‘a‘: [1, 2, 3], ‘b‘: [4, 5, 6], ‘c‘: [7, 8, 9]}) df2 = pd.DataFrame({‘d‘: [10, 20, 30], ‘c‘: [40, 50, 60], ‘b‘: [70, 80, 90]}) print df1 + df2
a b c d 0 NaN 74 47 NaN 1 NaN 85 58 NaN 2 NaN 96 69 NaN
没有对应索引的值,会用空来代替进行计算
3. 行索引不一致,列索引一致:
df1 = pd.DataFrame({‘a‘: [1, 2, 3], ‘b‘: [4, 5, 6], ‘c‘: [7, 8, 9]}, index=[‘row1‘, ‘row2‘, ‘row3‘]) df2 = pd.DataFrame({‘a‘: [10, 20, 30], ‘b‘: [40, 50, 60], ‘c‘: [70, 80, 90]}, index=[‘row4‘, ‘row3‘, ‘row2‘]) print df1 + df2
a b c row1 NaN NaN NaN row2 32.0 65.0 98.0 row3 23.0 56.0 89.0 row4 NaN NaN NaN
其实总结下来就是,行列索引相同的,进行计算,没有的全部用空进行计算
以上是关于pandas DataFrame-向量化运算的主要内容,如果未能解决你的问题,请参考以下文章