Python pandas DataFrame基础运算及空值填充详解

简介

Python pandas是一个开源的、高性能、易用的数据分析和处理工具，可用于数据的清洗、处理、统计、分析等场景。其中，pandas中的DataFrame是常用的数据结构，可用于各种复杂数据的处理。

本文主要介绍DataFrame的基础运算及空值填充。

DataFrame 基础运算

DataFrame 基本结构

DataFrame由行索引和列索引组成，它类似于电子表格，但功能更为强大。

以下是一个简单的DataFrame示例：

import pandas as pd

data = {'name': ['Tom', 'Jerry', 'Alice'],
        'age': [28, 25, 30],
        'gender': ['M', 'M', 'F']}
df = pd.DataFrame(data)
print(df)

输出结果：

    name  age gender
0    Tom   28      M
1  Jerry   25      M
2  Alice   30      F

常用运算

列运算

列运算是在列之间进行的，例如，计算某列的总和、平均值等。以下是对年龄列求和的示例：

print(df['age'].sum())

输出结果：83

行运算

行运算是在行之间进行的，例如，计算某一行的总和、平均值等。以下是对第二行数据进行运算的示例：

print(df.iloc[1].sum())    # iloc[1]表示第2行

输出结果：25

矩阵运算

矩阵运算是对整个DataFrame进行的运算，例如，计算两个DataFrame之间的和、差等，或对DataFrame进行转置等。以下是计算两个DataFrame之间的和的示例：

df2 = pd.DataFrame(data={'name': ['David', 'Bob', 'Kate'], 
                         'age': [32, 27, 29], 
                         'gender': ['M', 'M', 'F']})

df_sum = df + df2
print(df_sum)

输出结果：

       name  age gender
0    TomDavid   60     MM
1  JerryBob   52     MM
2  AliceKate   59     FF

特殊情况

当DataFrame中存在空值时，进行运算时需要注意一些特殊情况。

含有 NaN 的 DataFrame 运算

有时候DataFrame会存在NaN，例如：

import numpy as np

data2 = {'name': ['Tom', np.nan, 'Alice'],
        'age': [28, np.nan, 30],
        'gender': ['M', 'M', np.nan]}
df3 = pd.DataFrame(data2)
print(df3)

输出结果：

    name   age gender
0    Tom  28.0      M
1    NaN   NaN      M
2  Alice  30.0    NaN

空值填充

在进行数据分析和处理时，需要对含有空值的DataFrame进行空值填充，避免数据分析和处理时出现错误。以下是对含有空值的DataFrame进行填充的示例：

# 以均值填充缺失值
df3.fillna(df3.mean(), inplace=True)
print(df3)

输出结果：

    name   age gender
0    Tom  28.0      M
1    NaN  29.0      M
2  Alice  30.0      M

总结

本文主要介绍了DataFrame的基础运算及空值填充，希望能对大家进行数据分析和处理有所帮助。