numpy的神奇广播函数

numpy广播函数在pandas中的应用

最新推荐文章于 2025-08-01 13:49:54 发布

原创最新推荐文章于 2025-08-01 13:49:54 发布 · 5.3k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python

Python 专栏收录该内容

25 篇文章

订阅专栏

这篇博客探讨了numpy的广播功能如何在pandas中扩展元素级操作。当DataFrame的自定义ufunc操作无法直接实现时，numpy的广播函数提供了解决方案。通过将Python函数转化为ufunc，可以对DataFrame的每个元素进行自定义操作，例如进行包含检查或字符串转换。

numpy的神奇广播函数

在使用pandas的时候，一般来说对两个DataFrame（简写df）的加减乘除，会自动索引对齐，很方便，DataFrame与Series之间的运算也会沿着指定的轴进行广播。最为人称道的广播形式大概就是apply和applymap这样的操作了，很方便，很强大。
但是也有不能满足需求的时候，比如一个DataFrame根据另一个DataFrame对应的元素进行自定义ufunc操作的时候，就不能满足了。庆幸的是numpy提供了一个广播函数，可以自定义广播函数，然后对两个DataFrame对应位置元素进行自定义操作。

1.pandas元素级操作

pandas的元素级操作是对每个元素进行相同的操作，比如格式转换，判断是否为空等。

df = DataFrame(np.arange(12).reshape(3,4))
# 判断为空
df.isnull()
# 对每个元素转字符串
df.applymap(lambda s:str(s))
# 执行数学操作
df.applymap(lambda s:s**2)
df.apply(lambda s:s**2)

2.DF根据另一个DF进行操作

对A的每个元素，根据B的相同位置的元素进行相应的操作。

# pandas官网例子
df = pd.DataFrame({'AAA' : [4,5,6,7], 'BBB' : [10,20,30,40],'CCC' : [100,50,-30,-50]})
df_mask = pd.DataFrame({'AAA' : [True] * 4, 'BBB' : [False] * 4,'CCC' : [True,False] * 2})
# 根据df_mask的值，将df对应位置的值替换成-1000
df.where(df_mask,-1000)
# 将
# 两个df的加减乘除也是根据对应元素的操作
df+df
df*df

3.DF根据另一个DF进行操作

两个df除了加减乘除外的操作怎么办呢？比如A中的元素是否包含在B中对应元素呢？或者将A、B的对应元素转成字符串然后进行其他操作呢。
这里就用到了numpy的ufunc函数，可以自定义广播函数，然后对每个元素进行相同的操作。

frompyfunc，把Python里的函数（可以是自写的）转化成ufunc，用法是frompyfunc(func, nin, nout)，其中func是需要转换的函数，nin是函数的输入参数的个数，nout是此函数的返回值的个数。

注意：frompyfunc函数无法保证返回的数据类型都完全一致,因此返回一个中间类型object，需要再次obj.astype(np.float64)之类将其元素类型强制调齐。

# 将两个元素转成字符串后拼接起来
def add_elements(x,y):
    return str(x)+"+"+str(y)
# 将自定义函数转成广播函数
add_them=np.frompyfunc(add_elements,2,1)
# 两个DataFrame的操作
add_them(df,df*2)