Python Pandas dataframe.add()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的Python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Dataframe.add()方法用于添加数据帧和其他逐元素(二进制运算符add)。等效于 DataFrame +其他，但支持用fill_value代替输入之一中的丢失数据。

用法： DataFrame.add(other, axis=’columns’, level=None, fill_value=None)

参数：

other:系列，DataFrame或常量
axis:{0，1，'索引'，'列'}对于“系列”输入，轴与“
fill_value:[无值或浮点值，默认为无]用此值填充缺失的(NaN)值。如果两个DataFrame位置都丢失，则结果将丢失。
level:[int或name]在一个级别上广播，在传递的MultiIndex级别上匹配Index值

返回值：结果DataFrame

# Importing Pandas as pd 
import pandas as pd 
  
# Importing numpy as np 
import numpy as np 
  
# Creating a dataframe 
# Setting the seed value to re-generate the result. 
np.random.seed(25) 
  
df = pd.DataFrame(np.random.rand(10, 3), columns =['A', 'B', 'C']) 
  
# np.random.rand(10, 3) has generated a 
# random 2-Dimensional array of shape 10 * 3 
# which is then converted to a dataframe 
  
df

Output

注意： add() 函数类似于“ +”操作，但add()为输入之一中的缺失值提供了额外的支持。

# We want NaN values in dataframe.  
# so let's fill the last row with NaN value 
df.iloc[-1] = np.nan 
  
df

使用以下方法向 DataFrame 添加常量值add()函数：

# add 1 to all the elements 
# of the data frame 
df.add(1)

注意上面的输出，df中的nan单元未进行任何加法运算dataframe.add() 函数具有属性fill_value。这将用分配的值填充缺失值(Nan)。如果两个 DataFrame 值都丢失，那么结果将丢失。

让我们来看看如何做。

# We have given a default value 
# of '10' for all the nan cells 
df.add(1, fill_value = 10)

所有的nan单元格先填充10个，然后再添加1个。将系列添加到 DataFrame ：

对于系列输入，索引的维必须与 DataFrame 和系列都匹配。

# Create a Series of 10 values 
tk = pd.Series(np.ones(10)) 
  
# tk is a Series of 10 elements 
# all filled with 1

# Add tk(series) to the df(dataframe) 
# along the index axis 
df.add(tk, axis ='index')

将一个数据帧与其他数据帧相加

# Create a second dataframe 
# First set the seed to regenerate the result 
np.random.seed(10) 
  
# Create a 5 * 5 dataframe 
df2 = pd.DataFrame(np.random.rand(5, 5), columns =['A', 'B', 'C', 'D', 'E']) 
  
df2

让我们对这两个数据帧进行逐元素加法

df.add(df2)

请注意，所得 DataFrame 的尺寸为10 * 5，并且在所有 DataFrame 中任一 DataFrame 具有nan值的单元格中都具有nan值。

修复它-

# Set a default value of 10 for nan cells 
# nan value won't be filled for those cells 
# in which both data frames has nan value 
df.add(df2, fill_value = 10)

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.add()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。