數(shù)據(jù)分析工具Pandas：算術運算與數(shù)據(jù)對齊

　　Pandas執(zhí)行算術運算時，會先按照索引進行對齊，對齊以后再進行相應的運算，沒有對齊的位置會用NaN進行補齊。其中，Series是按行索引對齊的，DataFrame是按行索引、列索引對齊的。

　　假設有兩個Series對象，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Series對象：obj_one和obj_two，從輸出結果可以看出，obj_one比obj_two少兩行數(shù)據(jù)。

　　如果要對obj_one與obj_two進行加法運算，則會將它們按照索引先進行對齊，對齊的位置進行加法運算，沒有對齊的位置使用NAN值進行填充，具體代碼如下。

In [47]: obj_one + obj_two   # 執(zhí)行相加運算
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)，則可以在調用add方法時提供fill_value參數(shù)的值，fill_value將會使用對象中存在的數(shù)據(jù)進行補充，具體示例代碼如下。

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

　　當然其他的算術運算也是類似的，這里就不再過多贅述了。