Python Pandas - DataFrame 的算术运算

Pandas DataFrame 是一种二维数据结构，用于以表格格式存储数据，类似于 SQL 或 Excel 中的表格。Pandas 的主要功能之一是能够对 DataFrame 执行矢量化算术运算。这意味着对 Pandas 数据结构的算术运算无需手动循环遍历元素即可执行。

在 Pandas 中应用算术运算可以让你快速有效地操作数据，无论你是处理单个 DataFrame 还是在多个 DataFrame 之间执行运算。

在本教程中，我们将学习如何在 Pandas DataFrame 上应用算术运算，如加法、减法、乘法和除法。

DataFrame 与标量值的算术运算

你可以直接对 DataFrame 和标量值执行算术运算。这些运算按元素应用，这意味着 DataFrame 中的每个值都会受到算术运算的影响。

以下是 Pandas DataFrame 上常用的算术运算符列表：

示例

以下示例演示了如何在 Pandas DataFrame 上应用所有算术运算符以及标量值。

import pandas as pd

# Create a sample DataFrame
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}
df = pd.DataFrame(data)

# Display the input DataFrame
print("Input DataFrame:\n", df)

# Perform arithmetic operations
print("\nAddition:\n", df + 2)
print("\nSubtraction:\n", df - 2)
print("\nMultiplication:\n", df * 2)
print("\nDivision:\n", df / 2)
print("\nExponentiation:\n", df ** 2)
print("\nModulus:\n", df % 2)
print("\nFloor Division:\n", df // 2)

以下是上述代码的输出：

Input DataFrame:
    A  B
0  1  5
1  2  6
2  3  7
3  4  8

Addition:
    A   B
0  3   7
1  4   8
2  5   9
3  6  10

Subtraction:
    A  B
0 -1  3
1  0  4
2  1  5
3  2  6

Multiplication:
    A   B
0  2  10
1  4  12
2  6  14
3  8  16

Division:
      A    B
0  0.5  2.5
1  1.0  3.0
2  1.5  3.5
3  2.0  4.0

Exponentiation:
     A   B
0   1  25
1   4  36
2   9  49
3  16  64

Modulus:
    A  B
0  1  1
1  0  0
2  1  1
3  0  0

Floor Division:
    A  B
0  0  2
1  1  3
2  1  3
3  2  4

两个 DataFrame 之间的算术运算

Pandas 允许你在两个 DataFrame 之间应用算术运算符。正如我们已经知道的，DataFrame 是根据它们的索引和列标签对齐的。如果在应用这些运算符时标签不匹配，则相应的结果将为 NaN。

示例

此示例演示了在两个 DataFrame 对象上应用算术运算。

import pandas as pd

# Create two DataFrames
df1 = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]})
df2 = pd.DataFrame({'A': [10, 20, 30], 'B': [50, 60, 70]}, index=[1, 2, 3])

# Display the input DataFrames
print("DataFrame 1:\n", df1)
print("\nDataFrame 2:\n", df2)

# Perform arithmetic operations
print("\nAddition:\n", df1 + df2)
print("\nSubtraction:\n", df1 - df2)
print("\nMultiplication:\n", df1 * df2)
print("\nDivision:\n", df1 / df2)

以下是上述代码的输出：

DataFrame 1:
    A  B
0  1  5
1  2  6
2  3  7
3  4  8

DataFrame 2:
     A   B
1  10  50
2  20  60
3  30  70

Addition:
       A     B
0   NaN   NaN
1  12.0  56.0
2  23.0  67.0
3  34.0  78.0

Subtraction:
       A     B
0   NaN   NaN
1  -8.0 -44.0
2 -17.0 -53.0
3 -26.0 -62.0

Multiplication:
        A      B
0    NaN    NaN
1   20.0  300.0
2   60.0  420.0
3  120.0  560.0

Division:
           A         B
0       NaN       NaN
1  0.200000  0.120000
2  0.150000  0.116667
3  0.133333  0.114286

Pandas 中的算术函数

除了上述运算符外，Pandas 还提供了各种函数来对 Pandas 数据结构执行算术运算，这些函数可以有效地处理缺失值并提供其他自定义选项，例如选择轴和指定级别。