Python pandas.DataFrame.add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.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 : int 或 label

跨level广播，匹配传递的MultiIndex level的索引值。

fill_value : float 或 None, 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。

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