Python Pandas DataFrame add方法用法及代码示例

Pandas DataFrame.add(~) 方法计算源 DataFrame 和另一个标量、序列 Series 或 DataFrame 中的值的总和，即：

DataFrame + other

注意

除非您使用参数 axis 、 level 和 fill_value ，否则 add(~) 相当于使用 + 运算符执行加法。

参数

1.other | scalar 或 sequence 或 Series 或 DataFrame

生成的 DataFrame 将是源 DataFrame 和 other 的总和。

2. axis | int 或 string | optional

是否为源DataFrame的每一列或每一行广播other：

轴	说明
`"index"` 或 `0`	每列广播 `other`
`"columns"` 或 `1`	`other` 为每行广播

仅当源 DataFrame 的形状与 other 的形状不一致时，这才相关。默认情况下，axis=1 。

3. level | int 或 string | optional

要考虑的级别的名称或整数索引。仅当您的 DataFrame 是多索引时，这才相关。

4. fill_value | float 或 None | optional

在计算总和之前替换 NaN 的值。如果总和涉及两个 NaN ，那么结果仍然是 NaN 。默认情况下，fill_value=None 。

返回值

由源 DataFrame 和 other 之和计算出的新 DataFrame 。

例子

基本用法

考虑以下数据帧：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df_other = pd.DataFrame({"A":[6,7], "B":[8,9]})



   A  B  |     A  B
0  2  4  |  0  6  8
1  3  5  |  1  7  9

计算它们的总和：

df.add(df_other)



   A   B
0  8   12
1  10  14

请注意，这相当于：

df + df_other



   A   B
0  8   12
1  10  14

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df



   A  B
0  2  4
1  3  5

逐行加法

默认情况下， axis=1 ，这意味着 other 将为 df 中的每一行广播：

df.add([10,20])   # axis=1



   A   B
0  12  24
1  13  25

在这里，我们进行以下逐元素加法：

2+10 4+20
3+10 5+20

逐列加法

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.add([10,20], axis=0)



   A   B
0  12  14
1  23  25

在这里，我们进行以下逐元素加法：

2+10 4+10
3+20 5+20

指定fill_value

考虑以下带有一些缺失值的DataFrames：

df = pd.DataFrame({"A": [2,np.NaN], "B":[np.NaN,5]})
df_other = pd.DataFrame({"A":[10, 20],"B":[np.NaN,np.NaN]})



   A    B    |     A   B
0  2    NaN  |  0  10  NaN
1  NaN  5    |  1  20  NaN

默认情况下，当我们使用 add(~) 求和时，任何使用 NaN 的操作都会得到 NaN ：

df.add(df_other)



   A     B
0  12.0  NaN
1  NaN   NaN

在使用 fill_value 计算总和之前，我们可以填充 NaN 值：

df.add(df_other, fill_value=100)



   A      B
0  12.0   NaN
1  120.0  105.0

这里，请注意，当加法涉及 NaN 时，所得总和仍然是 NaN ，而不管 fill_value 。

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 Pandas DataFrame | add method。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。