Python Pandas DataFrame rsub方法用法及代码示例

Pandas DataFrame.rsub(~) 方法从标量、序列、Series 或 DataFrame 中减去源 DataFrame 中的值，即：

other - DataFrame

附带说明一下，这与 DataFrame.sub(~) 正好相反：

DataFrame - other

注意

除非您使用参数 axis 、 level 和 fill_value ，否则 rsub(~) 相当于使用 - 运算符执行减法。

参数

1.other | scalar 或 sequence 或 Series 或 DataFrame

生成的 DataFrame 将从 other 中减去源 DataFrame 。

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 的形状与 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

在计算之前替换NaN的值。两个 NaN 之间的减法始终会得到 NaN 。默认情况下，fill_value=None 。

返回值

减法产生新的DataFrame。

例子

基本用法

考虑以下数据帧：

df = pd.DataFrame({"A":[1,10], "B":[100,1000]})
df_other = pd.DataFrame({"A":[3,4],"B":[5,6]})



   A   B     |     A  B
0  1   100   |  0  3  5
1  10  1000  |  1  4  6

从 df_other 中减去 df 得出：

df.rsub(df_other)



   A   B
0  2   -95
1  -6  -994

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[1,10], "B":[100,1000]})
df



   A   B
0  1   100
1  10  1000

逐行减法

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

df.rsub([3,4])   # axis=1



   A   B
0  2   -96
1  -7  -996

在这里，我们进行以下逐元素减法：

3-1 4-100
3-10 4-1000

逐列减法

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.rsub([3,4], axis=0)



   A   B
0  2   -97
1  -6  -996

在这里，我们进行以下逐元素减法：

3-1 3-100
4-10 4-1000

指定fill_value

考虑以下带有一些缺失值的DataFrames：

df = pd.DataFrame({"A":[3,np.NaN], "B":[np.NaN,4]})
df_other = pd.DataFrame({"A":[10,100],"B":[np.NaN,np.NaN]})



   A    B     |     A    B
0  3.0  NaN   |  0  10   NaN
1  NaN  4.0   |  1  100  NaN

默认情况下，当我们使用 rsub(~) 执行减法时，任何使用 NaN 的运算都会得到 NaN ：

df.rsub(df_other)



   A    B
0  7.0  NaN
1  NaN  NaN

我们可以在执行减法之前使用 fill_value 参数填充 NaN 值，如下所示：

df.rsub(df_other, fill_value=100)



   A    B
0  7.0  NaN
1  0.0  96.0

在这里，请注意两个 NaN 之间的减法仍然会产生 NaN，而不管 fill_value 如何。

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 | rsub 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。