Pandas 矩阵运算
2017-03-23 20:19
218 查看
DataFrame.add(other, axis=’columns’, level=None, fill_value=None)
DataFrame.sub(other, axis=’columns’, level=None, fill_value=None)
DataFrame.mul(other, axis=’columns’, level=None, fill_value=None)
DataFrame.div(other, axis=’columns’, level=None, fill_value=None)
参数:
other : 序列, 数据框, 常量
axis : {0, 1, ‘index’, ‘columns’}0和index是横向运算,1和columns是纵向运算
fill_value : None或者浮点型,替换缺省值
level : int或name,选择不同的索引,一个数据框可能有两个索引
返回值:
数据框
DataFrame.sub(other, axis=’columns’, level=None, fill_value=None)
DataFrame.mul(other, axis=’columns’, level=None, fill_value=None)
DataFrame.div(other, axis=’columns’, level=None, fill_value=None)
参数:
other : 序列, 数据框, 常量
axis : {0, 1, ‘index’, ‘columns’}0和index是横向运算,1和columns是纵向运算
fill_value : None或者浮点型,替换缺省值
level : int或name,选择不同的索引,一个数据框可能有两个索引
返回值:
数据框
import pandas as pd df = pd.DataFrame([[1,1,1],[2,2,2],[3,3,3]],columns=['A', 'B', 'C']) print(df) A B C 0 1 1 1 1 2 2 2 2 3 3 3 print(df.sub([1,2,3],axis=1)) A B C 0 0 -1 -2 1 1 0 -1 2 2 1 0 print(df.sub([1,2,3],axis=0)) A B C 0 0 0 0 1 0 0 0 2 0 0 0
相关文章推荐
- Pandas 矩阵运算
- [转载]Matlab矩阵运算
- R语言的一些矩阵运算
- python的常见矩阵运算
- OpenCV矩阵运算 .
- 矩阵运算中选择分块矩阵策略的研究
- Numpy学习笔记之Numpy中的矩阵运算
- 稀疏矩阵三元组的相加相乘运算
- 矩阵运算
- java 简单矩阵乘法运算
- 利用CUDA的矩阵乘法1 <利用 Kahan's Summation Formula 来提高CUDA 的浮点数运算精确度>
- Matlab中的矩阵运算
- matlab矩阵运算
- 如何进行并行编程:从并行矩阵运算开始
- 计算矩阵运算的乘法次数
- MATLAB矩阵的基本运算及操作
- 实验7、矩阵的2种转置运算 (4学时)
- python 矩阵运算
- matlab 矩阵运算技巧
- 矩阵的基本运算(C实现)