Python Pandas DataFrame radd方法用法及代码示例

Pandas DataFrame.radd(~) 方法计算并返回标量、序列、Series 或 DataFrame 与源 DataFrame 中的值的总和，即：

other + DataFrame

请注意，这与 DataFrame.add(~) 相反，它执行以下操作：

DataFrame + other

注意

除非您使用参数 axis 、 level 和 fill_value ，否则 radd(~) 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 other 和源 DataFrame 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`	每行广播 `other`。

仅当源 DataFrame 和 other 的形状不对齐时，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。如果源 DataFrame 和 other 中的成对条目均为 NaN ，则所得总和仍为 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":["a","b"]})
df_other = pd.DataFrame({"A":[6,7], "B":["c","d"]})



   A  B   |     A  B
0  2  a   |  0  6  c
1  3  b   |  1  7  d

求和得出：

df.radd(df_other)



   A   B
0  8   ca
1  10  db

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.radd([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：

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

逐列加法

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.radd([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：

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

指定fill_value

考虑以下数据帧：

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 radd(~) 求和时，任何使用 NaN 的操作都会得到 NaN ：

df.radd(df_other)



   A    B
0  2.0  NaN
1  NaN  NaN

在使用 fill_value 参数计算总和之前，我们可以填充 NaN 值：

df.radd(df_other, fill_value=100)



   A      B
0  12.0   NaN
1  120.0  105.0

请注意，当加法在两个 NaN 之间时，无论 fill_value 为何，所得总和仍将是 NaN 。

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 | radd 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。