pandas妙招之 在DataFrame中透過索引高效取得數據

上一篇文章當中我們介紹了DataFrame資料結構當中一些常用的索引的使用方法，例如iloc、loc以及邏輯索引等等。今天的文章我們來看看DataFrame的一些基本運算。

資料對齊

我們可以計算兩個DataFrame的加和，pandas會自動將此兩個DataFrame進行資料對齊，如果對不上的資料會被置為Nan（not a number）。

首先我們來建立兩個DataFrame：

import numpy as npimport pandas as pddf1 = pd.DataFrame(np.arange(9).reshape((3, 3)), columns=list('abc'), index=['1', '2', '3'])df2 = pd.DataFrame(np.arange(12).reshape((4, 3)), columns=list('abd'), index=['2', '3', '4', '5'])复制代码

得到的結果和我們設想的一致，其實只是透過numpy陣列建立DataFrame#，然後指定index和columns而已，這應該算是很基礎的用法了。

然後我們將兩個DataFrame相加，會得到：

我們發現pandas將兩個DataFrame加起來合併了之後，凡是沒有在兩個DataFrame都出現的位置就會被置為Nan。這其實是很合理的，其實不只加法，我們可以計算兩個DataFrame的加減乘除的四則運算都是可以的。如果是計算兩個DataFrame相除的話，那麼除了對應不上的資料會被置為Nan之外，除零這個行為也會導致異常值的發生（可能不一定是Nan，而是inf）。

fill_value

#如果我們要對兩個DataFrame進行運算，那麼我們當然不會希望出現空值。這時候就需要對空值進行填充了，我們直接使用運算子進行運算是沒辦法傳遞參數進行填充的，這時候我們需要使用DataFrame當中為我們提供的算術方法。

DataFrame當中常用的運算子有這麼多種：

add、sub、p這些我們都很好理解，那麼這裡的radd、rsub方法又是什麼意思呢，為什麼前面要加上一個r呢？

看起來很費解，但是說白了一文不值，radd是用來翻轉參數的。舉個例子，比如說我們希望得到DataFrame當中所有元素的倒數，我們可以寫成1 / df。由於1本身並不是一個DataFrame，所以我們不能用1來呼叫DataFrame當中的方法，也就不能傳遞參數，為了解決這種情況，我們可以把1 / df寫成df.rp(1)，這樣我們就可以在其中傳遞參數了。

由於在算除法的過程當中發生了除零，所以我們得到了一個inf，它表示無窮大。

我們可以在add、p這些方法當中傳入一個fill_value的參數，這個參數可以在計算之前對於一邊出現缺失值的情況進行填入。也就是說對於只在一個DataFrame中缺少的位置會被替換成我們指定的值，如果在兩個DataFrame都缺失，那麼依然還會是Nan。

我們對比下結果就能發現了，相加之後的(1, d), (4, c)以及(5, c)的位置都是Nan ，因為df1和df2兩個DataFrame當中這些位置都是空值，所以沒有被填滿。

fill_value這個參數在很多api當中都有出現，例如reindex等，用法都是一樣的，我們在查閱api文檔的時候可以注意一下。

那麼對於這種填充了之後還會出現的空值我們該怎麼辦呢？難道只能手動找到這些位置進行填充嗎？當然是不切實際的，pandas當中也為我們提供了專門解決空值的api。

空值api

#在填入空值之前，我們首先要做的是發現空值。針對這個問題，我們有isna這個api，它會傳回一個bool型的DataFrame，DataFrame當中的每一個位置表示了原DataFrame對應的位置是否是空值。

dropna

#當然只是發現是否是空值肯定是不夠的，我們有時候會希望不要空值的出現，這個時候我們可以選擇drop掉空值。針對這種情況，我們可以使用DataFrame當中的dropna方法。

我們發現使用了dropna之後，出現了空值的行都被拋棄了。只保留了沒有空值的行，有時候我們希望拋棄是的列而不是行，這個時候我們可以透過傳入axis參數來控制。

這樣我們得到的就是不含空值的列，除了可以控制行列之外，我們還可以控制執行drop的嚴格程度。我們可以透過how這個參數來判斷，how支援兩種值傳入，一種是'all'，一種是'any'。 all表示只有在某一行或是某一列全為空值的時候才會拋棄，any與之對應就是只要出現了空值就會拋棄。預設不填的話認為是any，一般情況下我們也用不到這個參數，大概有個印象就可以了。

fillna

#pandas除了可以drop含有空值的資料之外，當然也可以用來填入空值，事實上這也是最常用的方法。

我們可以很簡單地傳入一個具體的值用來填入：

#fillna會傳回一個新的DataFrame，其中所有的Nan值會被替換成我們指定的值。如果我們不希望它回傳一個新的DataFrame，而是直接在原始資料進行修改的話，我們可以使用inplace參數，表示這是一個inplace的操作，那麼pandas將會在原DataFrame上進行修改。

df3.fillna(3, inplace=True)复制代码

除了填充具体的值以外，我们也可以和一些计算结合起来算出来应该填充的值。比如说我们可以计算出某一列的均值、最大值、最小值等各种计算来填充。fillna这个函数不仅可以使用在DataFrame上，也可以使用在Series上，所以我们可以针对DataFrame中的某一列或者是某些列进行填充：

除了可以计算出均值、最大最小值等各种值来进行填充之外，还可以指定使用缺失值的前一行或者是后一行的值来填充。实现这个功能需要用到method这个参数，它有两个接收值，ffill表示用前一行的值来进行填充，bfill表示使用后一行的值填充。

我们可以看到，当我们使用ffill填充的时候，对于第一行的数据来说由于它没有前一行了，所以它的Nan会被保留。同样当我们使用bfill的时候，最后一行也无法填充。

总结

今天的文章当中我们主要介绍了DataFrame的一些基本运算，比如最基础的四则运算。在进行四则运算的时候由于DataFrame之间可能存在行列索引不能对齐的情况，这样计算得到的结果会出现空值，所以我们需要对空值进行处理。我们可以在进行计算的时候通过传入fill_value进行填充，也可以在计算之后对结果进行fillna填充。

在实际的运用当中，我们一般很少会直接对两个DataFrame进行加减运算，但是DataFrame中出现空置是家常便饭的事情。因此对于空值的填充和处理非常重要，可以说是学习中的重点，大家千万注意。

想了解更多编程学习，敬请关注php培训栏目！