标签:out 广播 frame 默认 产生 ram nump 5.0 1.0
算术运算法则:
1.算术运算根据行列索引,补齐后运算,运算默认产生浮点数。
2.补齐时缺项填充NaN(空值)。(标签相同的进行运算,标签不同的补齐)
3.二维和一维,一维和零维间为广播运算。
4.采用+-*/符号进行的二元运算产生新的对象。
1 import pandas as pd 2 import numpy as np 3 4 a=pd.DataFrame(np.arange(12).reshape(3,4)) 5 6 a 7 Out[3]: 8 0 1 2 3 9 0 0 1 2 3 10 1 4 5 6 7 11 2 8 9 10 11 12 13 b=pd.DataFrame(np.arange(20).reshape(4,5)) 14 15 b 16 Out[6]: 17 0 1 2 3 4 18 0 0 1 2 3 4 19 1 5 6 7 8 9 20 2 10 11 12 13 14 21 3 15 16 17 18 19 22 23 a+b 24 Out[7]: 25 0 1 2 3 4 26 0 0.0 2.0 4.0 6.0 NaN 27 1 9.0 11.0 13.0 15.0 NaN 28 2 18.0 20.0 22.0 24.0 NaN 29 3 NaN NaN NaN NaN NaN 30 31 a*b 32 Out[8]: 33 0 1 2 3 4 34 0 0.0 1.0 4.0 9.0 NaN 35 1 20.0 30.0 42.0 56.0 NaN 36 2 80.0 99.0 120.0 143.0 NaN 37 3 NaN NaN NaN NaN NaN #标签相同的进行运算,不同的补齐后运算,补齐的NaN与任何元素运算结果都是NaN
数据的算术运算之方法形式的运算
标签:out 广播 frame 默认 产生 ram nump 5.0 1.0
原文地址:https://www.cnblogs.com/ldyj/p/10504611.html