Series与Dataframe的算数运算（加减乘除）

当想对一个Series和一个Dataframe进行算数运算时，最好的方式是运用numpy中的广播机制，来进行运算，这样的速度要更快，而且可以规避索引不同带来的问题。

合并时最让人头大的，就是索引不同。

当索引相同时，借用一下这位的例子(120条消息) DataFrame和Series的简单运算（加减乘除）_series相减_小白tree的博客-优快云博客

比如说：在下面的例子中，frame和series由于行索引相同，所以pandas可以自动广播，进行运算

frame = pd.DataFrame(np.arange(9).reshape(3,3), columns=['a','b','c'], index=['one', 'two', 'threee'])
print(frame)
        a  b  c
one     0  1  2
two     3  4  5
threee  6  7  8
series = frame['b']
print(series)
one       1
two       4
threee    7
frame.add(series, axis=0)#加
         a   b   c
one      1   2   3
two      7   8   9
threee  13  14  15
#frame.sub(series, axis=0)#减
#frame.div(series, axis=0)#除
frame.mul(series, axis=0)#乘
         a   b   c
one      0   1   2
two     12  16  20
threee  42  49  56

但是一旦索引不同，就完蛋了。

比如，接着上面的例子：

series.index=[0,1,2]#将series的索引重置
print(series)
0    1
1    4
2    7
frame.add(series, axis=1)
         a   b   c   0   1   2
one    NaN NaN NaN NaN NaN NaN
two    NaN NaN NaN NaN NaN NaN
threee NaN NaN NaN NaN NaN NaN
frame.add(series, axis=0)
         a   b   c
0      NaN NaN NaN
1      NaN NaN NaN
2      NaN NaN NaN
one    NaN NaN NaN
threee NaN NaN NaN
two    NaN NaN NaN

此时不论怎么加都是错的。这正是因为索引轴不同导致的。

那么这个时候，最好的办法就是用numpy中的广播机制函数，np.broadcast_to（）函数

这个函数大家可以自己去了解一下。

这个函数的主要功能，就是把原来的一列数据，给“复制”成多列一样的数据，这样去计算。

那么接下来演示一下：

series #这是现在的series
Out[25]: 
0    1
1    4
2    7
np.broadcast_to(series,(3,3))#将series按行广播
array([[1, 4, 7],
       [1, 4, 7],
       [1, 4, 7]])
np.broadcast_to(series[:,None],(3,3))#将series按列广播
array([[1, 1, 1],
       [4, 4, 4],
       [7, 7, 7]])
#此时就可以正常运算了
frame+np.broadcast_to(series[:,None],(3,3))#series[:,None]可以将series的维度从（3，）变成（3,1）这种操作在pandas还是numpy中都是很实用的
Out: 
         a   b   c
one      1   2   3
two      7   8   9
threee  13  14  15
frame+np.broadcast_to(series,(3,3))
Out: 
        a   b   c
one     1   5   9
two     4   8  12
threee  7  11  15

我们可以看到，这种得到的结果就是我们想要的了。