第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

首頁 慕課教程 Pandas 入門教程 Pandas 入門教程 Pandas 的算術(shù)運(yùn)算
松思園 · 更新于 2021-03-12

Pandas 的算術(shù)運(yùn)算

1. 前言

上一節(jié)我們學(xué)習(xí)了 Pandas 對重復(fù)數(shù)據(jù)的處理，主要對重復(fù)數(shù)據(jù)的檢測和刪除重復(fù)數(shù)據(jù)。除了對數(shù)據(jù)的單獨(dú)處理操作，數(shù)據(jù)之間的運(yùn)算處理也是很有必要的，那 Pandas 中是否可以開展數(shù)據(jù)之間的算術(shù)運(yùn)算呢？

Pandas 庫為方便數(shù)據(jù)處理，提供了強(qiáng)大而簡潔的算術(shù)運(yùn)算操作，封裝了很多算術(shù)運(yùn)算的函數(shù)供使用，本節(jié)課我們將學(xué)習(xí) Pnadas 庫中提供的四種算術(shù)運(yùn)算操作函數(shù)，包括 add ()，sub ()，div ()，mul () 操作，因?yàn)?Series 和 DataFrame 之間的運(yùn)算比較有代表性，針對每一個算術(shù)運(yùn)算我們將以 Series 和 DataFrame 進(jìn)行運(yùn)算的實(shí)例進(jìn)行講解。

2. 概述

Pandas 庫中的算術(shù)運(yùn)算是數(shù)據(jù)集之間，根據(jù)索引進(jìn)行運(yùn)算的，如果存在不同的索引對，運(yùn)算的結(jié)果是相同索引數(shù)據(jù)和不同索引數(shù)據(jù)的并集，并且用 NaN 填充運(yùn)算結(jié)果。

當(dāng)進(jìn)行對應(yīng)索引列之間的加減乘除運(yùn)算時，要注意對應(yīng)索引列之間的類型是否相同，如果不同類型進(jìn)行運(yùn)算時會報類型轉(zhuǎn)換錯誤，同時，要考慮到該類型是否能進(jìn)行某種算術(shù)運(yùn)算，比如字符串之間的加法運(yùn)算是可以的，但是字符串之間是不存在減法、乘法和除法運(yùn)算的，否則會報錯。

在正式講解各算術(shù)運(yùn)算之前，我們先將 DataFrame 數(shù)據(jù)對象，通過 Excel 數(shù)據(jù)解析的方式進(jìn)行創(chuàng)建，針對 Series 對象，在每次操作時，根據(jù)需要我們單獨(dú)再創(chuàng)建。

# 導(dǎo)入pandas包
import pandas as pd
data_path="C:/Users/13965/Documents/myFuture/IMOOC/pandasCourse-progress/data_source/第13小節(jié)/execl數(shù)據(jù)demo.xlsx"
# 解析數(shù)據(jù)
data = pd.read_excel(data_path)
print(data)

# --- DataFrame數(shù)據(jù)解析結(jié)果  ---
  編程語言   推出時間    價格                       主要創(chuàng)始人
0    java  1995年  45.6               James Gosling
1  python  1991年  67.0            Guido van Rossum
2       C  1972年  33.9  Dennis MacAlistair Ritchie
3      js  1995年  59.5                Brendan Eich
4     php  2012年  69.9              Rasmus Lerdorf
5     C++  1983年  75.0           Bjarne Stroustrup

3. add () 加法運(yùn)算

add () 函數(shù)根據(jù)索引值，對相同索引的數(shù)據(jù)進(jìn)行加法運(yùn)算，注意字符串的加法是拼接操作。

# 創(chuàng)建 Series 對象
new_series = pd.Series(["11","22",33,"44"], index=['編程語言','推出時間','價格','last'])
print(new_series)
# --- 輸出結(jié)果 ---
編程語言    11
推出時間    22
價格      33
last    44
dtype: object

# data 為從 Excel 解析出的 DataFrame 對象
# 通過 add 函數(shù)進(jìn)行加運(yùn)算
new_result=data.add(new_series)
print(new_result)
# --- 輸出結(jié)果 ---
  last 主要創(chuàng)始人     價格     推出時間      編程語言
0  NaN   NaN   78.6  1995年22    java11
1  NaN   NaN    100  1991年22  python11
2  NaN   NaN   66.9  1972年22       C11
3  NaN   NaN   92.5  1995年22      js11
4  NaN   NaN  102.9  2012年22     php11
5  NaN   NaN    108  1983年22     C++11

輸出解析：new_series 對象中的 “l(fā)ast” 索引和 data 對象中 “主要創(chuàng)始人” 索引，他們之間不存在對應(yīng)關(guān)系，而其他的索引是一一對應(yīng)的，因此輸出結(jié)果其他的列均做了加法運(yùn)算 (字符串是拼接，數(shù)值是相加)，而這兩列則單獨(dú)加入到結(jié)果集中，并且用 NaN 進(jìn)行填充。

如果我們的 Series 對象中的 “價格” 是字符型，在和 DataFrame 對象運(yùn)算過程中就會報類型不匹配的錯誤。

# 創(chuàng)建 Series 對象
new_series = pd.Series(["11","22","33","44"], index=['編程語言','推出時間','價格','last'])
print(new_series)
# --- 輸出結(jié)果 ---
編程語言    11
推出時間    22
價格      33
last    44
dtype: object
    
# data 為從 Excel 解析出的 DataFrame 對象
# 通過 add 函數(shù)進(jìn)行加運(yùn)算
new_result=data.add(new_series)
print(new_result)
# --- 輸出結(jié)果 ---
……
TypeError: unsupported operand type(s) for +: 'float' and 'str'

輸出解析：因?yàn)槲覀兊牟僮魇窃?data 數(shù)據(jù)集中加上 new_series 數(shù)據(jù)集，在 Pandas 中 str 類型加上任何類型相當(dāng)于是字符串的拼接操作，而 int/float 類型值加上字符串，Pandas 不支持該算術(shù)運(yùn)算，因此會報錯。

4. sub () 減法運(yùn)算

sub () 函數(shù)用于數(shù)據(jù)集之間對應(yīng)索引的減法操作，該操作不同于加法操作，字符操作是不存在減法操作的，算術(shù)上的減法只用于數(shù)值類型的數(shù)據(jù)運(yùn)算，包括整形、浮點(diǎn)型等。

# 創(chuàng)建 Series 對象
new_series = pd.Series(['11',33], index=['推出時間','價格'])
print(new_series)
# --- 輸出結(jié)果 ---
推出時間    11
價格      33
dtype: object

# data 為從 Excel 解析出的 DataFrame 對象
# 通過 sub 函數(shù)進(jìn)行減法運(yùn)算
new_result=data.sub(new_series)
print(new_result)

# --- 輸出結(jié)果 ---
……
TypeError: unsupported operand type(s) for -: 'float' and 'str'
TypeError: unsupported operand type(s) for -: 'str' and 'str'

輸出解析：因?yàn)?pandas 中的 sub () 減法操作函數(shù)只在數(shù)值類型的數(shù)據(jù)之間有效，因此在 數(shù)值和字符串型，以及字符串與字符串之間進(jìn)行 sub () 操作都會報錯。

下面我們只對兩個數(shù)據(jù)集的價格索引了列進(jìn)行 sub () 操作。

# 創(chuàng)建 Series 對象
new_series = pd.Series([33], index=['價格'])
print(new_series)
# --- 輸出結(jié)果 ---
價格    33
dtype: int64

# data 為從 Excel 解析出的 DataFrame 對象
# 通過 sub 函數(shù)進(jìn)行減法運(yùn)算
new_result=data.sub(new_series)
print(new_result)
# --- 輸出結(jié)果 ---
  主要創(chuàng)始人  價格 推出時間 編程語言
0   NaN     12.6  NaN  NaN
1   NaN     34.0  NaN  NaN
2   NaN     0.9   NaN  NaN
3   NaN     26.5  NaN  NaN
4   NaN     36.9  NaN  NaN
5   NaN     42.0  NaN  NaN

輸出解析：這里我們對兩個數(shù)據(jù)集的價格列進(jìn)行了相減操作，可以看到價格列的數(shù)據(jù)均減去了 33。

5. mul () 乘法運(yùn)算

mul () 操作是兩個數(shù)據(jù)集對應(yīng)索引列的數(shù)據(jù)進(jìn)行乘法運(yùn)算，該函數(shù)同樣只適用于兩個數(shù)值數(shù)據(jù)的運(yùn)算，字符串之間，字符串與數(shù)值之間進(jìn)行乘法運(yùn)算均會報錯。

# 創(chuàng)建 Series 對象
new_series = pd.Series([3], index=['價格'])
print(new_series)
# --- 輸出結(jié)果 ---
價格    3
dtype: int64

# data 為從 Excel 解析出的 DataFrame 對象
# 通過 mul 函數(shù)進(jìn)行乘法運(yùn)算
new_result=data.mul(new_series)
print(new_result)
# --- 輸出結(jié)果 ---
  主要創(chuàng)始人  價格 推出時間 編程語言
0   NaN  136.8  NaN  NaN
1   NaN  201.0  NaN  NaN
2   NaN  101.7  NaN  NaN
3   NaN  178.5  NaN  NaN
4   NaN  209.7  NaN  NaN
5   NaN  225.0  NaN  NaN

輸出解析：通過乘法操作函數(shù)對兩個數(shù)據(jù)集的價格列進(jìn)行操作，可以看到輸出結(jié)果中的價格均變?yōu)榱艘郧暗娜?，其他列?NaN 進(jìn)行填充。

6. div () 除法運(yùn)算

div () 函數(shù)用于兩個數(shù)據(jù)集對應(yīng)索引列的數(shù)據(jù)進(jìn)行除法運(yùn)算，該函數(shù)同樣只適用數(shù)值型數(shù)據(jù)之間的運(yùn)算，并且除數(shù)不能為 0 ，否則會報錯。

# 創(chuàng)建 Series 對象
new_series = pd.Series([3,"fill"], index=['價格',"add_column"])
print(new_series)
# --- 輸出結(jié)果 ---
價格               3
add_column    fill
dtype: object

# data 為從 Excel 解析出的 DataFrame 對象
# 通過 div 函數(shù)進(jìn)行除法運(yùn)算，除數(shù)不能為0
new_result=data.div(new_series)
print(new_result)    
# --- 輸出結(jié)果 ---
    add_column 主要創(chuàng)始人  價格 推出時間 編程語言
0        NaN   NaN     15.2  NaN  NaN
1        NaN   NaN  22.3333  NaN  NaN
2        NaN   NaN     11.3  NaN  NaN
3        NaN   NaN  19.8333  NaN  NaN
4        NaN   NaN     23.3  NaN  NaN
5        NaN   NaN       25  NaN  NaN

輸出解析：通過 div () 函數(shù)進(jìn)行兩個數(shù)據(jù)集價格列的除法運(yùn)算，可以看到輸出結(jié)果原 data 集中的價格列數(shù)據(jù)均是除以 3 的結(jié)果，而其他的數(shù)列并入到結(jié)果集合中，并以 NaN 進(jìn)行填充。

下面是除數(shù)為 0 時出現(xiàn)的錯誤結(jié)果：

# 創(chuàng)建 Series 對象
new_series = pd.Series([0,"fill"], index=['價格',"add_column"])
print(new_series)
# --- 輸出結(jié)果 ---
價格               0
add_column    fill
dtype: object

# data 為從 Excel 解析出的 DataFrame 對象
# 通過 div 函數(shù)進(jìn)行除法運(yùn)算，除數(shù)不能為0
new_result=data.div(new_series)
print(new_result)
# --- 輸出結(jié)果 ---
……
ZeroDivisionError: float division by zero

3. 小結(jié)

本節(jié)課程我們主要學(xué)習(xí)了 Pandas 中數(shù)據(jù)集之間進(jìn)行的算術(shù)運(yùn)算操作，主要講解了加、減、乘、除四種操作，算術(shù)運(yùn)算并不是針對字符串類型的數(shù)據(jù)（在字符串之間的加法操作相當(dāng)于是進(jìn)行拼接操作），而是專門用來處理數(shù)值型數(shù)據(jù)的，因此對于不同的操作需要，要清晰的知道應(yīng)該使用哪種操作函數(shù)去實(shí)現(xiàn)。本節(jié)課程的重點(diǎn)如下：

  • Pandas 庫算術(shù)運(yùn)算加減乘除四種操作對應(yīng)的操作函數(shù)的使用；
  • Pandas 庫算術(shù)運(yùn)算函數(shù)使用時常見的錯誤原因；

圖片描述