Series第二讲 二元运算
二元运算方法总览
-
Series.add/radd加 -
Series.sub/rsub减 -
Series.mul/rmul乘 -
Series.div/rdiv浮点除法 -
Series.truediv/rtruediv浮点除法 -
Series.floordiv/rfloordiv除法向下取整 -
Series.mod/rmod除法取模 -
Series.pow/rpow平方 -
Series.combine组合 -
Series.combine_first组合 -
Series.round保留小数 -
Series.lt/le小于/小于等于 -
Series.gt/ge大于/大于等于 -
Series.eq/ne等于/不等于 -
Series.product/prod所有数值相乘 -
Series.dot矩阵乘法
详细介绍
先来创建两个简单的Series
In [5]: a = pd.Series([1, 1, 1, np.nan], index=['a', 'b', 'c', 'd'])
In [6]: b = pd.Series([1, np.nan, 1, np.nan], index=['a', 'b', 'd', 'e'])
In [7]: a
Out[7]:
a 1.0
b 1.0
c 1.0
d NaN
dtype: float64
In [8]: b
Out[8]:
a 1.0
b NaN
d 1.0
e NaN
dtype: float64
-
Series.add(other, level=None, fill_value=None, axis=0)：两个Series相加
参数介绍：
- other：另一个Series对象
- level：MultiIndex(多重索引)时需要的参数
- fill_value：None or float value, default None (NaN) 用来处理缺失值
此处 a.add(b) 和 a + b 具有相同效果
In [9]: a.add(b)
Out[9]:
a 2.0
b NaN
c NaN
d NaN
e NaN
dtype: float64
In [10]: a+b
Out[10]:
a 2.0
b NaN
c NaN
d NaN
e NaN
dtype: float64
可以看出：对应索引位置的数值相加，无相同索引、nan值相加的位置都为nan。
🌟tips🌟：a.radd(b) 代表的意思是 b.add(a)，即：b + a。r这个字母是right的意思。其他带r的操作符同理。
-
Series.sub(other[, level, fill_value, axis])：表示Series - other
In [11]: a.sub(b)
Out[11]:
a 0.0
b NaN
c NaN
d NaN
e NaN
dtype: float64
-
Series.mul(参数同上)：表示Series * other
In [51]: a.mul(b)
Out[51]:
a 1.0
b NaN
c NaN
d NaN
e NaN
dtype: float64
-
Series.div(参数同上)：表示Series / other
In [12]: a.div(b)
Out[12]:
a 1.0
b NaN
c NaN
d NaN
e NaN
dtype: float64
-
Series.truediv(参数同上)：效果等同于Series.div
-
Series.floordiv(参数同上)：表示Series // other
x//y 在 python3 中表示两数相除，结果向下取整(舍弃小数部分)
In [13]: a.floordiv(b)
Out[13]:
a 1.0
b NaN
c NaN
d NaN
e NaN
dtype: float64
-
Series.mod(参数同上)：表示Series % other
x%y 在 python3 中表示两数相除，取结果的余数部分
In [14]: a.mod(b)
Out[14]:
a 0.0
b NaN
c NaN
d NaN
e NaN
dtype: float64
-
Series.pow(参数同上)：表示Series ** other
x**y 在 python3 中表示x的y次方
In [19]: a.pow(b)
Out[19]:
a 1.0
b 1.0
c 1.0
d NaN
e NaN
dtype: float64
注意⚠️：这里有个细节
1 ** np.nan 结果是 1.0
其他数 2 ** np.nan 结果是 nan
所以 1 的 nan 次方比较特殊，结果并不是 nan
-
Series.combine(other, func[, fill_value])：组合两个Series
参数介绍：
- func：以两个Series的每个相对位置的元素(标量)为输入并返回一个元素。即输入两个，输出一个。
In [32]: a.combine(other=b, func=max)
Out[32]:
a 1.0
b 1.0
c 1.0
d NaN
e NaN
dtype: float64
说明：这个方法的意思是 每个相同索引的值一同进入func函数中(这里是max),返回func处理后的结果。
-
Series.combine_first(other)：合并Series，优先取Series的值，如果没有再取other的值
In [33]: a.combine_first(b)
Out[33]:
a 1.0
b 1.0
c 1.0
d 1.0
e NaN
dtype: float64
-
Series.round([decimals])：保留几位小数
效果等同于 python 里的round函数
参数介绍：
- decimals：保留几位小数，默认0
In [34]: s = pd.Series([0.1, 1.3, 2.7])
In [35]: s.round()
Out[35]:
0 0.0
1 1.0
2 3.0
dtype: float64
-
Series.lt(other[, level, fill_value, axis])：表示Series < other
相同索引位置的值进行比较，返回bool值。
le表示<=
In [36]: a.lt(b)
Out[36]:
a False
b False
c False
d False
e False
dtype: bool
-
Series.gt(参数同上)：表示Series > other
ge表示>=
In [38]: a.ge(b)
Out[38]:
a True
b False
c False
d False
e False
dtype: bool
-
Series.eq(参数同上)：表示Series == other
ne表示!=
In [39]: a.eq(b)
Out[39]:
a True
b False
c False
d False
e False
dtype: bool
注意⚠️：np.nan != np.nan
-
Series.product(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs：所有数值的乘积
表示此Series里所有数值的乘积，Series.prod()等效
参数介绍：
- skipna：bool, default True 计算结果时排除 NA/null 值
- levelint or level name, default None 多级索引时可指定的参数
- numeric_onlybool, default None 默认只计算float, int, boolean类型元素，如果为None，则尝试计算数据
- min_count：能执行相乘操作的值的最小数量，如果不够则该函数返回nan
In [44]: a.prod()
Out[44]: 1.0
In [46]: a.prod(min_count=4)
Out[46]: nan
-
Series.dot(other)：表示矩阵乘法
也可以表示为 Series @ other
In [49]: s.dot(df)
Out[49]:
0 24
1 14
dtype: int64
In [50]: s@df
Out[50]:
0 24
1 14
dtype: int64
网友评论