在 pandas Series 功能中,我们有一个名为的函数add(),用于将一个系列对象与另一个系列对象相加。它还用于添加具有整数值和 python 列表的 Series 对象。
该方法有一个 fill_values 参数。它用于通过将此参数替换为浮点值来有效处理缺失值。默认情况下,此 fill_value 参数的输入是 Nan。series.add()
import pandas as pd import numpy as np sr1 = pd.Series(np.arange(1,6)) print('Series Object 1:',sr1, sep='\n') sr2 = pd.Series(np.random.randint(10,20,4)) print('Series Object 2:',sr2, sep='\n') result = sr1.add(sr2) print('Resultant series object with the addition of two Series:', result)
我们有两个系列对象 sr1 和 sr2,分别使用 NumPy 的 arange 和 random 函数创建。sr1 对象有 5 个元素,sr2 只有 4 个元素。
这两个系列对象具有不同的长度。我们正在使用该函数添加这两个对象。series.add()
输出结果
Series Object 1: 0 1 1 2 2 3 3 4 4 5 dtype: int32 Series Object 2: 0 15 1 12 2 16 3 12 dtype: int32 Resultant series object with addition of two Series: 0 16.0 1 14.0 2 19.0 3 16.0 4 NaN dtype: float64
该函数的输出可以在上述块的最后几行中看到。我们可以在结果输出中看到一个 NaN 值,这是因为两个系列的长度不同。series.add()
result = sr1.add(sr2, fill_value=0) print('The resultant series object of adding two series with fill_value:', result)
为了删除之前输出中的 NaN 值,我们在这里将 '0' 值替换为 fill_value 参数。
输出结果
The resultant series object of adding two series with fill_value: 0 16.0 1 14.0 2 19.0 3 16.0 4 5.0 dtype: float64
我们可以看到此输出中不存在 NaN 值,这是由于此 fill_value 参数而发生的。在此示例中,我们将 0 作为此 fill_value 参数的输入,以便它将缺失值添加为 0。
import pandas as pd import numpy as np sr1 = pd.Series({'a':1,'b':2,'c':3}) print('Series Object 1:',sr1) sr2 = pd.Series({'c':7,'d':8,'e':9}) print('Series Object 2:',sr2) result1 = sr1.add(sr2) print('Resultant series object without Fill_value:', result1) result2 = sr1.add(sr2, fill_value= 0) print('Resultant series object with Fill_value 0:', result2)
在以下示例中,我们使用具有不同索引标签的 Python 字典创建了两个 Pandas 系列对象。
我们已经通过两种方式完成了这两个系列对象之间的加法运算,通过替换 fill_value 参数并且不违反参数输入。
输出结果
Series Object 1: a 1 b 2 c 3 dtype: int64 Series Object 2: c 7 d 8 e 9 dtype: int64 Resultant series object without Fill_value: a NaN b NaN c 10.0 d NaN e NaN dtype: float64 Resultant series object with Fill_value 0: a 1.0 b 2.0 c 10.0 d 8.0 e 9.0 dtype: float64
两个系列之间的相加是根据索引标签完成的,如果索引不相同,那么add函数会通过替换NaN来自动匹配那些缺失的索引,然后执行相加操作。这就是我们可以在add()函数的结果输出中看到 NaN 值的原因。