1. DataFrame之間的運算

• 在運算中自動對齊不同索引的數據

• 如果索引不對應，則補NaN

• DataFrame沒有廣播機制

導包

# 導包import numpy as npimport pandas as pd

創建 DataFrame df1 不同人員的各科目成績，月考一

# 創建DataFrame二維數組df1 = pd.DataFrame(    data = np.random.randint(10,100,size=(3,3)),    index = ["小明","小紅","小黃"],    columns = ["語文","數學","英語"])df1

	語文	數學	英語
小明	59	26	58
小紅	14	74	53
小黃	49	28	99

創建 DataFrame df2 不同人員的各科目成績，月考二

df2 = pd.DataFrame(    data = np.random.randint(10,100,size=(3,3)),    index = ["小明","小紅","小黃"],    columns = ["語文","數學","英語"])df2

	語文	數學	英語
小明	55	71	13
小紅	42	49	55
小黃	34	68	36

DataFrame和標量之間的運算

df1?+?100

	語文	數學	英語
小明	159	126	158
小紅	114	174	153
小黃	149	128	199

df1 - 100

	語文	數學	英語
小明	-41	-74	-42
小紅	-86	-26	-47
小黃	-51	-72	-1

df1 * 100 

	語文	數學	英語
小明	5900	2600	5800
小紅	1400	7400	5300
小黃	4900	2800	9900

df1 / 100

	語文	數學	英語
小明	0.59	0.26	0.58
小紅	0.14	0.74	0.53
小黃	0.49	0.28	0.99

df1 % 10

	語文	數學	英語
小明	9	6	8
小紅	4	4	3
小黃	9	8	9

df1 ** 2

語文	數學	英語
小明	3481	676	3364
小紅	196	5476	2809
小黃	2401	784	9801

DataFrame之間的運算

# 必須匹配行和列的索引df1?+?df2

	語文	數學	英語
小明	84	50	116
小紅	85	144	145
小黃	121	115	179

使用 .add() 函數，填充數據

df3?=?pd.DataFrame(    data = np.random.randint(10,100,size=(4,4)),    index = ["小明","小紅","小黃","小綠"],    columns = ["語文","數學","英語","物理"])display(df1,df3)?

	語文	數學	英語
小明	59	26	58
小紅	14	74	53
小黃	49	28	99

	語文	數學	英語	物理
小明	30	40	59	59
小紅	46	72	56	96
小黃	25	20	99	73
小綠	92	78	41	44

df1?+?df3?

	數學	物理	英語	語文
小明	66.0	NaN	117.0	89.0
小紅	146.0	NaN	109.0	60.0
小綠	NaN	NaN	NaN	NaN
小黃	48.0	NaN	198.0	74.0

# 先填充0，再相加df1.add(df3,fill_value=0)

	數學	物理	英語	語文
小明	66.0	59.0	117.0	89.0
小紅	146.0	96.0	109.0	60.0
小綠	78.0	44.0	41.0	92.0
小黃	48.0	73.0	198.0	74.0

# 除法df1.divide(df3,fill_value=2)

	數學	物理	英語	語文
小明	0.650000	0.033898	0.983051	1.966667
小紅	1.027778	0.020833	0.946429	0.304348
小綠	0.025641	0.045455	0.048780	0.021739
小黃	1.400000	0.027397	1.000000	1.960000

2. Series與DataFrame之間的運算

• 使用Python操作符：以行為單位操作（參數必須是行），對所有行都有效

  • 類似于NumPy中二維數組與一維數組的運算，但可能出現NaN

• 使用Pandas操作函數：

  • axis=0：以列為單位操作（參數必須是列），對所有列都有效

  • axis=1：以行為單位操作（參數必須是行），對所有行都有效

s = pd.Series([100,10,1],index=df1.columns)s

語文    100
數學     10
英語      1
dtype: int64

df1?+?s

	語文	數學	英語
小明	159	36	59
小紅	114	84	54
小黃	149	38	100 ?

df1.add(s)

	語文	數學	英語
小明	159	36	59
小紅	114	84	54
小黃	149	38	100

# axis:(0 or "index",1 or "columns")，默認為列df1.add(s,axis="columns")

	語文	數學	英語
小明	159	36	59
小紅	114	84	54
小黃	149	38	100

df1.add(s,axis=1)?

	語文	數學	英語
小明	159	36	59
小紅	114	84	54
小黃	149	38	100

s = pd.Series([100,10,1],index=df1.index)s

小明    100
小紅     10
小黃      1
dtype: int64

# 行df1.add(s,axis=0)

	語文	數學	英語
小明	159	126	158
小紅	24	84	63
小黃	50	29	100

df1.add(s,axis="index")

	語文	數學	英語
小明	159	126	158
小紅	24	84	63
小黃	50	29	100