python中sub函数⽤法_Pythonpandas.DataFrame.sub函数⽅
法的使⽤
DataFrame.sub(other, axis='columns', level=None, fill_value=None)[source]
获取DataFrame和其他元素的减法(⼆进制运算符sub)。
与等效，但⽀持⽤fill_value替换输⼊之⼀中的丢失数据。rsub是反向版本。dataframe - other
苹果电脑忘记密码在灵活的包装器(add，sub，mul，div，mod，pow)中使⽤算术运算符：+，-，*，/，//，％，**。
参数：other：scalar, quence, Series, 或 DataFrame
任何单个或多个元素的数据结构，或类列表的对象。
axis：{0或‘index’, 1 或‘columns’}
是按索引(0或'index ')还是按列(1或' columns ')进⾏⽐较。
对于Series输⼊，轴匹配Series索引。
level：int或 label
跨级别⼴播，匹配通过的多索引级别上的索引值。
fill_value ：float 或 None, 默认为 None
超人哲学在计算之前，⽤这个值填充现有的NaN值，梨的英文
以及成功的DataFrame对齐所需的任何新元素。
如果两个对应的DataFrame位置中的数据丢失，
则结果将丢失。
返回值：DataFrame
算术运算的结果。
Notes
不匹配的索引将合并在⼀起。
例⼦>>> df = pd.DataFrame({'angles': [0, 3, 4],
... 'degrees': [360, 180, 360]},
... index=['circle', 'triangle', 'rectangle'])
>>> df
angles degrees
circle 0 360
triangle 3 180
rectangle 4 360
添加带有运算符版本的标量，该标量返回相同的结果>>> df + 1
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361
>>> df.add(1)
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361
⽤常数除以反向版本>>> df.div(10)
美丽的家
angles degrees
circle 0.0 36.0
triangle 0.3 18.0
rectangle 0.4 36.0
>>> df.rdiv(10)
angles degrees
如何包汤圆circle inf 0.027778
triangle 3.333333 0.055556
rectangle 2.500000 0.027778
⽤操作员版本减去列表和按轴系列>>> df - [1, 2]
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
人生哲理语录>>> df.sub([1, 2], axis='columns')
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
>>> df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
... axis='index')
angles degrees
circle -1 359
triangle 2 179
rectangle 3 359
将具有不同形状的DataFrame乘以运算符版本>>> other = pd.DataFrame({'angles': [0, 3, 4]},
苹果怎么分期... index=['circle', 'triangle', 'rectangle'])
>>> other
angles
circle 0
triangle 3
rectangle 4
>>> df * other
angles degrees
circle 0 NaN
triangle 9 NaN
rectangle 16 NaN
>>> df.mul(other, fill_value=0)
angles degrees
circle 0 0.0
铁锅鸡
triangle 9 0.0
rectangle 16 0.0
按级别除以MultiIndex>>> df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6], ... 'degrees': [360, 180, 360, 360, 540, 720]},
... index=[['A', 'A', 'A', 'B', 'B', 'B'],
... ['circle', 'triangle', 'rectangle',
... 'square', 'pentagon', 'hexagon']])
>>> df_multindex
angles degrees
A circle 0 360
triangle 3 180
rectangle 4 360
B square 4 360
pentagon 5 540
hexagon 6 720
>>> df.div(df_multindex, level=1, fill_value=0)
angles degrees
A circle NaN 1.0
triangle 1.0 1.0
rectangle 1.0 1.0
B square 0.0 0.0 pentagon 0.0 0.0 hexagon 0.0 0.0
