如何在保持DataFrame结构完整的同时从DataFrame中减去Series?
df = pd.DataFrame(np.zeros((5,3)))
s = pd.Series(np.ones(5))
df - s
0 1 2 3 4
0 -1 -1 -1 NaN NaN
1 -1 -1 -1 NaN NaN
2 -1 -1 -1 NaN NaN
3 -1 -1 -1 NaN NaN
4 -1 -1 -1 NaN NaN
我想要的是相当于从DataFrame中减去一个标量
df - 1
0 1 2
0 -1 -1 -1
1 -1 -1 -1
2 -1 -1 -1
3 -1 -1 -1
4 -1 -1 -1
答案 0 :(得分:11)
也许:
>>> df = pd.DataFrame(np.zeros((5,3)))
>>> s = pd.Series(np.ones(5))
>>> df.sub(s,axis=0)
0 1 2
0 -1 -1 -1
1 -1 -1 -1
2 -1 -1 -1
3 -1 -1 -1
4 -1 -1 -1
[5 rows x 3 columns]
或者,对于一个更有趣的例子:
>>> s = pd.Series(np.arange(5))
>>> df.sub(s,axis=0)
0 1 2
0 0 0 0
1 -1 -1 -1
2 -2 -2 -2
3 -3 -3 -3
4 -4 -4 -4
[5 rows x 3 columns]
答案 1 :(得分:1)
如果a1是由n列组成的数据帧,而a2是仅由1列组成的另一个数据帧,则可以使用numpy从a1的每个列中减去a2
np.subtract(a1, a2)
如果a2是Series并确保转换为DataFrame,则可以实现相同的结果
np.subtract(a1, a2.to_frame())
我猜想,在计算此操作之前,您需要确保两个数据帧中的索引一致/重叠。实际上,如果a1和a2具有相同的行数和不同的索引,则上述操作将起作用。你可以尝试
a1 = pd.DataFrame([[1, 2], [3, 4]], columns=['a','b'])
a2 = pd.DataFrame([[1], [2]], columns=['c'])
np.subtract(a1, a2)
和
a1 = pd.DataFrame([[1, 2], [3, 4]], columns=['a','b'])
a2 = pd.DataFrame([[1], [2]], columns=['c'], index=[3,4])
np.subtract(a1,a2)
将给您相同的结果。
由于这个原因,要确保两个DataFrame是连贯的,您可以使用以下方法进行预处理:
def align_dataframes(df1, df2):
r = pd.concat([df1, df2], axis=1, join_axes=[df1.index])
return r.loc[:,df1.columns], r.loc[:,df2.columns]
答案 2 :(得分:0)
我将举一个修改DataFrame子集的示例
df = pd.DataFrame(np.arange(20).reshape((2,10)),columns=list('abcdefghjk'))
>>> df
a b c d e f g h j k
0 0 1 2 3 4 5 6 7 8 9
1 10 11 12 13 14 15 16 17 18 19
# Series to be subtracted
dif = df['g'] - df['h']
>>> dif
0 -1
1 -1
dtype: int32
# subtract the Series from columns 'g','h','j','k'
df.loc[:,'g':] = df.loc[:,'g':].subtract(dif,axis='rows')
#df.loc[:,'g':] = df.loc[:,'g':].subtract(dif,axis=0)
>>> df
a b c d e f g h j k
0 0 1 2 3 4 5 7 8 9 10
1 10 11 12 13 14 15 17 18 19 20