本文共 1815 字，大约阅读时间需要 6 分钟。

1.算数计算  2018/11/8      2018/12/10

 1.1函数：  

Series.product([axis, skipna, level, …]) # 返回请求轴的值的乘积；各个元素相乘Series.dot(other) # 矩阵乘法与DataFrame或内部产品与Series对象。  

1.2算数计算实例：        

# s1,s2同为序列或数据帧；可以不等长，之一可为标量，可含np.nan值；都必须为数字# add +；sub -； mul* ；div / ；//(整除) ；s2.mod(s1)模除（返回余数）；** ；都有自身运算df1=pd.DataFrame(np.arange(4).reshape(2,2),columns=list('ab'),index=['one','two'])df2=pd.DataFrame(np.arange(10,19).reshape(3,3),columns=list('abc'),index=['one','two','three'])df1.add(df2)#等价df1+df2# a b c# one 10.0 12.0 NaN# three NaN NaN NaN# two 15.0 17.0 NaNdf1.add(df2,fill_value=0)# a b c# one 10.0 12.0 12.0(添加)# three 16.0 17.0 18.0 <---添加一行# two 15.0 17.0 15.0(添加)s = s1 + s2s1 += s2 # s1=s1+s2s1.round() #四舍五入参数为整数，当为1时将第二位小时舍入到第一位   

2.比较运算符 

# 运算符：>,>=,<,<=,!=,== ；eq，ne，lt，gt， le，gedf.gt(df2);s1>s2# one two three# a False False False# b False False False# c False False False# d False False False   

3.1布尔运算：

df1 = pd.DataFrame({'a' : [1, 0, 1], 'b' : [0, 1, 1] }, dtype=bool)df2 = pd.DataFrame({'a' : [0, 1, 1], 'b' : [1, 1, 0] }, dtype=bool)df1 & df2#逻辑与df1 | df2#逻辑或df1 ^ df2#异或-df1 #取反# a b# 0 False True# 1 True False# 2 False False

3.2.if / Truth语句： 

# 用a.empty, a.any() or a.all()；不用and，or，not错误用法：# if pd.Series([False, True, False]):#值错误if pd.Series([False, True, False]) is not None:pass#检查是否有任何值True：if pd.Series([False, True, False]).any():pass

(df > 0).any()(df > 0).any().any()#Truedf.empty            #False(df > 0).all()# one False# two False# three False# dtype: bool# 评估单元素对象用bool()：pd.Series([True]).bool()      #Truepd.DataFrame([[False]]).bool()#False

3.3.使用in运算符

# in运算符测试索引中的成员资格s = pd.Series(range(5), index=list('abcde'))'b' in s # True'a' in df1# True# 测试值的成员资格用isin()：s.isin([2])# a False# b False# c True# d False# e False# dtype: bools.isin([2]).any() #Truedf1.isin([1]).any().all()#True

转载地址：http://xfqbf.baihongyu.com/