Pandas中常见的数据运算 | 图解Pandas-图文第5篇
01写在前面
大家好，我是阳哥，欢迎来到「Python数据之道」。
本次是《图解Pandas》系列图文内容的 第 05 篇，主要介绍 Pandas 中常见的数据运算 。
本文是付费阅读文章，付费阅读内容包括《图解Pandas》图文干货内容、可以在电脑端观看的视频以及配套的源代码等。
此外，为避免各种不必要的麻烦，微信没有退款机制，付费前请谨慎。
Pandas 是 Python数据分析中用的最多的工具，为了大家能够更好地学习 Pandas，阳哥开始制作一系列 《图解Pandas》 的内容。
《图解Pandas》 最主要的目标，是以动态图片、视频等方式呈现，拆解 Pandas 在数据处理过程中的主要知识点，以便大家能进一步了解 Pandas 的使用，形象地介绍 Pandas，进而使大家喜欢上 Pandas 这个得心应手的工具。
《图解Pandas》图文专题，最新的内容可以点击下面的图片进行查看。
在本文编写时，《图解Pandas》系列已发布的图文如下：
本次主要介绍 Pandas 中常见的数据运算 ，内容框架如下：
在微信视频号「Python数据之道」中发布的对应视频编号为 006至 008，大家可以前往观看：
注：本文发布时，在视频号中可以观看视频
006、007，后续将发布008。
在本文后面内容中可以同时观看视频
006至008。
Python环境
开始之前，按照惯例先介绍下本次内容涉及的Python环境，如下：
Python 3.8 Pandas 1.4.1 numpy 1.22.3
我是在 jupyter notebook 中运行代码的，首先引入相关 Python 库：
import pandas as pd
import numpy as np
print(f'pandas version:{pd.__version__}')
print(f'numpy version:{np.__version__}')
# pandas version:1.4.1
# numpy version:1.22.3
02常见的数据运算
创建数据
在Pandas中进行常见的数据运算，涉及到比较多的函数，不同的函数，需要有多种类型的 dataframe 来作为演示。因此，在开始之前，先创建几个 dataframe （也就是“数据框”）。文末还有其他的一些数据框，也将基于下面的数据框来建立。
关于创建数据对象的详细介绍，大家可以观看 「图解Pandas」系列的第2期视频。
创建 df 如下：
d = {
"name": [ "Lemon", "Jack", "Emma","Emma","Jack"],
"a": [80, -90, 60, 73,92],
"b": [1.2049, -3.075, 9.88,2.8,-1.833] ,
"c": [-80, 92, np.nan, 67,86],
"d":[False,True,False,True,False]
}
df = pd.DataFrame(d)
df
数据框 df，为 5 行 5 列，数值类型包括字符串、整型、浮点数、布尔型，以及 NA 数值。在 Pandas 中，数值 None，NaN，NaT被视为 NA 值。
创建 df1 如下：
np.random.seed(0)
df1 = pd.DataFrame(
np.random.randn(5,3),
columns=list('abc')
).round(4)
df1
数据框 df1为 5 行 3 列，数值类型都是浮点数，同时有正数和负数。
创建 df2 如下：
d2 = {
"name": [ "Lemon", "Jack", "Emma","Emma","Jack","Jack"],
"a": [80, 90, 60, 73,90,90],
"c": [-80, 92, np.nan, 67,92,92],
"d":[False,True,False,True,True,True]
}
df2 = pd.DataFrame(d2)
df2
数据框 df2为 6 行 4 列，数值类型包括字符串、整型、浮点数、布尔型，以及 NA 数值。
轴方向说明
对于数据框，在数据运算时，经常会涉及轴方向的设置。
这里 axis=1 就是沿着红色箭头的方向进行运算。axis='columns' 是同样的效果，简称 “1轴方向” 。axis=0 就是沿着白色箭头的方向进行运算，axis='index' 是同样的效果，简称 “0轴方向”。
咱们需要特别的记住这两个轴方向，后面的数据运算会大量的涉及到轴方向的应用。
这里汇总了 Pandas 中比较常见的数据运算，下面将分别来介绍。
可试读21%