Python pandas.DataFrame.sub函数方法的使用

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.sub方法的使用。

DataFrame.sub(other, axis='columns', level=None, fill_value=None) [source]

获取DataFrame和其他元素的减法（二进制运算符sub）。

与等效，但支持用fill_value替换输入之一中的丢失数据。rsub是反向版本。dataframe - other

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

参数：

other ：scalar, sequence, Series, 或 DataFrame

任何单个或多个元素的数据结构，或类列表的对象。

axis ：{0 或‘index’, 1 或‘columns’}

是按索引(0或' index ')还是按列(1或' columns ')进行比较。

对于Series输入，轴匹配Series索引。

level ：int 或 label

跨级别广播，匹配通过的多索引级别上的索引值。

fill_value ：float 或 None, 默认为 None

在计算之前，用这个值填充现有的NaN值，

以及成功的DataFrame对齐所需的任何新元素。

如果两个对应的DataFrame位置中的数据丢失，

则结果将丢失。

返回值：

DataFrame

算术运算的结果。

Notes

不匹配的索引将合并在一起。

例子

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

添加带有运算符版本的标量，该标量返回相同的结果

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

用常数除以反向版本

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

用操作员版本减去列表和按轴系列

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

将具有不同形状的DataFrame乘以运算符版本

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

按级别除以MultiIndex

>>> 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  degreesA circle          0      360  triangle        3      180  rectangle       4      360B square          4      360  pentagon        5      540  hexagon         6      720>>> df.div(df_multindex, level=1, fill_value=0)             angles  degreesA circle        NaN      1.0  triangle      1.0      1.0  rectangle     1.0      1.0B square        0.0      0.0  pentagon      0.0      0.0  hexagon       0.0      0.0