pandas 将索引值相加的方法

yipeiwu_com6年前 (2020-03-06)Python基础

如下所示：

 s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
 s2 = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
 print s1 + s2

a 11
b 22
c 33
d 44
dtype: int64

 s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
 s2 = pd.Series([10, 20, 30, 40], index=['b', 'd', 'a', 'c'])
 print s1 + s2

a 31
b 12
c 43
d 24
dtype: int64

 s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
 s2 = pd.Series([10, 20, 30, 40], index=['c', 'd', 'e', 'f'])
 print s1 + s2

a  NaN
b  NaN
c 13.0
d 24.0
e  NaN
f  NaN
dtype: float64

 s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
 s2 = pd.Series([10, 20, 30, 40], index=['e', 'f', 'g', 'h'])
 print s1 + s2

a NaN
b NaN
c NaN
d NaN
e NaN
f NaN
g NaN
h NaN
dtype: float64

以上这篇pandas 将索引值相加的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持【听图阁-专注于Python设计】。

返回列表

我们要编程计算所选直线的平均平方误差(MSE), 即数据集中每个点到直线的Y方向距离的平方的平均数，表达式如下： MSE=1n∑i=1n(yi−mxi−b)2 最...

遍历字典： keys() 、values() 、items()　　 1. xxx.keys() : 返回字典的所有的key 返回一个序列，序列中保存有字典的所有的键　　效果图：　　...

找了半天竟然没找到，如何在Python的datetime处理上，获取某年某月某日，是属于这个月的第几周。无奈之下求助同学，同学给写了一个模块。【如果你知道Python有这个原生的库，请...

鉴于即将启程旅行，先上传篇简单的图像检索介绍，与各位一起学习opencv的同学共勉一.特征检测图片的特征主要分为角点，斑点，边，脊向等，都是常用特征检测算法所检测到的图像特征· 1....

在C++11和C#中都有匿名函数的存在。下面看看在python中匿名函数的使用。 1.lambda只是一个表达式，函数体比def简单很多。 2.lambda的主体是一个表达式，而不是一个...

宜配屋