pandas.DataFrame.rsub #

数据框。rsub ( other , axis = 'columns' , level = None , fill_value = None ) [来源] #

获取数据帧和其他元素的减法(二元运算符rsub)。

相当于,但支持用 fill_value 替换输入之一中缺失的数据。对于反向版本,.other - dataframe

在算术运算符的灵活包装器(addsubmuldivFloordivmodpow )中: +-*///%**

参数
其他标量、序列、系列、字典或数据帧

任何单个或多个元素的数据结构,或类似列表的对象。

{0 或“索引”、1 或“列”}

是否按索引(0 或“索引”)或列进行比较。 (1 或“列”)。对于系列输入,要匹配系列索引的轴。

level int 或 label

跨级别广播,匹配传递的多索引级别上的索引值。

fill_value float 或 None,默认 None

在计算之前使用此值填充现有缺失 (NaN) 值以及成功 DataFrame 对齐所需的任何新元素。如果两个相应 DataFrame 位置中的数据均丢失,则结果将丢失。

返回
数据框

算术运算的结果。

也可以看看

DataFrame.add

添加数据框。

DataFrame.sub

减go数据帧。

DataFrame.mul

乘以数据帧。

DataFrame.div

对 DataFrame 进行除法(浮点除法)。

DataFrame.truediv

对 DataFrame 进行除法(浮点除法)。

DataFrame.floordiv

除数据帧(整数除法)。

DataFrame.mod

计算模(除法后的余数)。

DataFrame.pow

计算指数幂。

笔记

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

添加具有返回相同结果的运算符版本的标量。

>>> 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

除以常数,具有相反的版本。

>>> df.div(10)
           angles  degrees
circle        0.0     36.0
triangle      0.3     18.0
rectangle     0.4     36.0
>>> df.rdiv(10)
             angles   degrees
circle          inf  0.027778
triangle   3.333333  0.055556
rectangle  2.500000  0.027778

使用操作员版本按轴减go列表和系列。

>>> df - [1, 2]
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358
>>> 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

将字典乘以轴。

>>> df.mul({'angles': 0, 'degrees': 2})
            angles  degrees
circle           0      720
triangle         0      360
rectangle        0      720
>>> df.mul({'circle': 0, 'triangle': 2, 'rectangle': 3}, axis='index')
            angles  degrees
circle           0        0
triangle         6      360
rectangle       12     1080

将不同形状的 DataFrame 与运算符版本相乘。

>>> other = pd.DataFrame({'angles': [0, 3, 4]},
...                      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
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