Question

基本行为是它尝试将值与同一标签配对。如果未找到标签，则会分配NaN。如果标签在左侧或右侧（但不是两者）都是非唯一的，那么它将耗尽所有可能性。例如，

pd.Series((2,3), ("a","b")) * pd.Series((5,7), ("b","b"))

返回

a     NaN
b    15.0
b    21.0

和

pd.Series((2,3), ("b","b")) * pd.Series((5,7), ("a","b"))

返回

a     NaN
b    14.0
b    21.0

但是如果标签在左侧和右侧是非唯一的，例如

pd.Series((2,3), ("b","b")) * pd.Series((5,7), ("b","b"))

你得到了

b    10
b    21

我宁愿期望它耗尽所有可能性，即返回

什么是确定它返回的值子集？它是基于行顺序吗？如果是这样，那种行为的理由是什么？

感谢。

Answer 1

这是一个有趣的观察结果：

In [146]: a
Out[146]:
b    2
b    3
a    4
dtype: int64

In [147]: b
Out[147]:
a    2
b    5
b    7
dtype: int64

索引：

In [148]: a.index
Out[148]: Index(['b', 'b', 'a'], dtype='object')

In [149]: b.index
Out[149]: Index(['a', 'b', 'b'], dtype='object')

使用不同索引进行乘法运算：

In [150]: a * b
Out[150]:
a     8
b    10
b    14
b    15
b    21
dtype: int64

但如果索引相同：

In [151]: a.sort_index() * b
Out[151]:
a     8
b    10
b    21
dtype: int64

In [155]: (a.sort_index().index == b.index).all()
Out[155]: True

DataFrame.join()会根据您的意愿加入重复项：

In [128]: a = pd.Series((2,3), ("b","b"))

In [129]: b = pd.Series((5,7), ("b","b"))

In [130]: a.to_frame('a').join(b.to_frame('b')).eval("a * b")
Out[130]:
b    10
b    14
b    15
b    21
dtype: int64

在具有非唯一标签的两个pandas系列上操作的行为是什么？

1 个答案: