Python Pandas DataFrame sub方法用法及代码示例

Pandas DataFrame.sub(~) 方法从源 DataFrame 中的值中减去标量、序列、Series 或 DataFrame，即：

DataFrame - other

注意

除非您使用参数 axis 、 level 和 fill_value ，否则 sub(~) 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 将从源 DataFrame 中减去 other。

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 的尺寸不对齐时，这才相关。默认情况下，axis="columns" 。

3. level | int 或 string | optional

要考虑的级别的名称或整数索引。如果您的 DataFrame 是多索引，则这是相关的。

4. fill_value | float 或 None | optional

在计算之前替换NaN的值。如果减法涉及两个 NaN ，那么结果仍然是 NaN 。默认情况下，fill_value=None 。

返回值

从源 DataFrame 中减去 other 得到的新 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":[9,8], "B":[7,6]})



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

从 df 中减去 df_other 得出：

df.sub(df_other)



   A   B
0  -7  -3
1  -5  -1

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.sub([6,7])   # axis=1



    A   B
0  -4  -3
1  -3  -2

在这里，我们进行以下逐元素减法：

2-6 4-7
3-6 5-7

逐列减法

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.sub([6,7], axis=0)



    A   B
0  -4  -2
1  -4  -2

在这里，我们进行以下逐元素减法：

2-6 4-6
3-7 5-7

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  2.0  NaN   |  0  10  NaN
1  NaN  5.0   |  1  20  NaN

默认情况下，当我们使用 sub(~) 方法执行减法时，任何使用 NaN 的操作都会产生 NaN ：

df.sub(df_other)



   A     B
0  -8.0  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.sub(df_other, fill_value=100)



   A      B
0  -8.0   NaN
1  80.0  -95.0

在这里，请注意两个 NaN 之间的减法结果仍然是 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 | sub 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。