數(shù)據(jù)分析工具Pandas：算術(shù)運(yùn)算與數(shù)據(jù)對(duì)齊

　　Pandas執(zhí)行算術(shù)運(yùn)算時(shí)，會(huì)先按照索引進(jìn)行對(duì)齊，對(duì)齊以后再進(jìn)行相應(yīng)的運(yùn)算，沒有對(duì)齊的位置會(huì)用NaN進(jìn)行補(bǔ)齊。其中，Series是按行索引對(duì)齊的，DataFrame是按行索引、列索引對(duì)齊的。

　　假設(shè)有兩個(gè)Series對(duì)象，創(chuàng)建它們的示例代碼如下。

In [45]: obj_one=pd.Series(range(10, 13), index=range(3))
         obj_one
Out[45]:
0    10
1    11
2    12
dtype:  int64
In [46] : obj_two=pd.Series(range(20, 25), index=range(5))
          obj_two
Out[46]:
0    20
1    21
2    22
3    23
4    24
dtype:  int32

　　上述示例中創(chuàng)建了兩個(gè)Series對(duì)象：obj_one和obj_two，從輸出結(jié)果可以看出，obj_one比obj_two少兩行數(shù)據(jù)。

　　如果要對(duì)obj_one與obj_two進(jìn)行加法運(yùn)算，則會(huì)將它們按照索引先進(jìn)行對(duì)齊，對(duì)齊的位置進(jìn)行加法運(yùn)算，沒有對(duì)齊的位置使用NAN值進(jìn)行填充，具體代碼如下。

In [47]: obj_one + obj_two   # 執(zhí)行相加運(yùn)算
Out[47]:
0    30.0
1    32.0
2    34.0
3     NaN
4     NaN
dtype: float64

　　如果希望不使用NAN填充缺失數(shù)據(jù)，則可以在調(diào)用add方法時(shí)提供fill_value參數(shù)的值，fill_value將會(huì)使用對(duì)象中存在的數(shù)據(jù)進(jìn)行補(bǔ)充，具體示例代碼如下。

In [48]: obj_one.add(obj_two, fill_value=0)   # 執(zhí)行加法運(yùn)算，補(bǔ)充缺失值
Out[48]:
0    30.0
1    32.0
2    34.0
3    23.0
4    24.0
dtype: float64

　　當(dāng)然其他的算術(shù)運(yùn)算也是類似的，這里就不再過多贅述了。