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。
Python Series.sub()用于从调用者序列中减去序列或列出长度相同的类似对象。
用法:Series.sub(other, level=None, fill_value=None, axis=0)
参数:
other:要从调用者系列中减去的其他系列或列表类型
fill_value:减去之前要在系列/列表中用NaN替换的值
level:多索引时级别的整数值
返回类型:减去值的来电者系列
要下载以下示例中使用的数据集,请单击此处。在以下示例中,使用的 DataFrame 包含一些NBA球员的数据。下面是任何操作之前的数据帧图像。
范例1:减法表
在此示例中,使用.head()方法将前5行存储在新变量中。之后,使用.sub()方法创建相同长度的列表并将其从薪水列中减去
# importing pandas module
import pandas as pd
# reading csv file from url
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
# creating short data of 5 rows
short_data = data.head()
# creating list with 5 values
list =[5, 4, 3, 2, 1]
# subtracting list data
# creating new column
short_data["Subtracted values"]= short_data["Salary"].sub(list)
# display
short_data
输出:
如输出图像中所示,可以将“减值”列与“薪金”列-列表的减值进行比较。
范例2:将系列添加到具有空值的系列
在此示例中,从“工资”列中减去“年龄”列。由于salary列也包含空值,因此默认情况下,无论减去什么,它都会返回NaN。在此示例中,传递20以将空值替换为20。
# importing pandas module
import pandas as pd
# reading csv file from url
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
# age series
age = data["Age"]
# na replacement
na = 20
# adding values
# storing to new column
data["Subtracted values"]= data["Salary"].sub(other = age, fill_value = na)
# display
data
输出:
如输出图像中所示,在Null值的情况下,Subtracted value列已从20中减去age列。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
注:本文由纯净天空筛选整理自Kartikaybhutani大神的英文原创作品 Python | Pandas Series.sub()。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。