pandas :: Dataframe Operations

Series operation

import pandas as pd
from pandas import Series
from pandas import DataFrame

import numpy as np

s1 = Series(range(1,6), index=list("abcde"))
s1

a 1
b 2
c 3
d 4
e 5
dtype: int64

s2 = Series(range(5, 11), index=list("cdefgh"))
s2

c 5
d 6
e 7
f 8
g 9
h 10
dtype: int64

s1.add(s2)  

a NaN
b NaN
c 8.0
d 10.0
e 12.0
f NaN
g NaN
h NaN
dtype: float64

s1 + s2  # index를 기준으로 연산 수행 / 겹치는 인덱스가 없는 경우 NaN값 반환

a NaN
b NaN
c 8.0
d 10.0
e 12.0
f NaN
g NaN
h NaN
dtype: float64

Dataframe operation

df1 = DataFrame(np.arange(9).reshape(3,3), columns=list("abc"))
df1

a
b
c
0
0
1
2
1
3
4
5
2
6
7
8

df2 = DataFrame(np.arange(16).reshape(4,4), columns=list("abcd"))
df2

a
b
c
d
0
0
1
2
3
1
4
5
6
7
2
8
9
10
11
3
12
13
14
15

df1 + df2  # df는 column과 index를 모두 고려

a
b
c
d
0
0.0
2.0
4.0
NaN
1
7.0
9.0
11.0
NaN
2
14.0
16.0
18.0
NaN
3
NaN
NaN
NaN
NaN

df1.add(df2, fill_value=0)  #add operation을 쓰면 NaN 값을 0으로 변환

a
b
c
d
0
0.0
2.0
4.0
3.0
1
7.0
9.0
11.0
7.0
2
14.0
16.0
18.0
11.0
3
12.0
13.0
14.0
15.0

df1.add(df2, fill_value=2)

a
b
c
d
0
0.0
2.0
4.0
5.0
1
7.0
9.0
11.0
9.0
2
14.0
16.0
18.0
13.0
3
14.0
15.0
16.0
17.0

Series + Dataframe

df = DataFrame(np.arange(16).reshape(4,4), columns=list("abcd"))
df

a
b
c
d
0
0
1
2
3
1
4
5
6
7
2
8
9
10
11
3
12
13
14
15

s = Series(np.arange(10,14), index=list("abcd"))
s

a 10
b 11
c 12
d 13
dtype: int32

df + s  #column을 기준으로 broadcasting이 발생

a
b
c
d
0
10
12
14
16
1
14
16
18
20
2
18
20
22
24
3
22
24
26
28

s2 = Series(np.arange(10,14))
s2

0 10
1 11
2 12
3 13
dtype: int32

df + s2

a
b
c
d
0
1
2
3
0
NaN
NaN
NaN
NaN
NaN
NaN
NaN
NaN
1
NaN
NaN
NaN
NaN
NaN
NaN
NaN
NaN
2
NaN
NaN
NaN
NaN
NaN
NaN
NaN
NaN
3
NaN
NaN
NaN
NaN
NaN
NaN
NaN
NaN

df.add(s2, axis=0)  # axis를 기준으로 row broadcasting 실행

a
b
c
d
0
10
11
12
13
1
15
16
17
18
2
20
21
22
23
3
25
26
27
28
https://www.boostcourse.org/ai222/lecture/23822