特別值算術運算

使用兩個索引不完全相同的物件來做算術運算時，假如想在軸標籤其中一個物件中找到時填入特別值，例如 0。

將一個特定值設為 np.nan 來將他設定成 NA (null):

In [197]: df1 = pd.DataFrame(np.range(12.).reshape((3, 4)),
                             columns=list("abcd"))
In [198]: df2 = pd.DataFrame(np.range(20.).reshape((4, 5)),
                             columns=list("abcde"))
In [199]: df2.loc[1, "b"] = np.nan

In [200]: df1
Out[200]:
     a    b    c    d
0  0.0  1.0  2.0  3.0
1  4.0  5.0  6.0  7.0
2  8.0  9.0 10.0 11.0

In [201]: df2
Out[201]:
      a     b     c     d     e
0   0.0   1.0   2.0   3.0   4.0
1   5.0   NaN   7.0   8.0   9.0
2  10.0  11.0  12.0  13.0  14.0
3  15.0  16.0  17.0  18.0  19.0

相加後會在不重疊的地方產生缺失值:

In [202]: df1 + df2
Out[202]:
      a     b     c     d     e
0   0.0   2.0   4.0   6.0   NaN
1   9.0   NaN  13.0  15.0   NaN
2  18.0  20.0  22.0  24.0   NaN
3   NaN   NaN   NaN   NaN   NaN

使用 df1 的 add 方法，並傳入 df2 與一個 fill_value 引數，該引述會將運算產生的任何缺失值轉成輸入值:

In [203]: df1.add(df2, fill_value=0)
Out[203]:
      a     b     c     d     e
0   0.0   2.0   4.0   6.0   4.0
1   9.0   5.0  13.0  15.0   9.0
2  18.0  20.0  22.0  24.0  14.0
3  15.0  16.0  17.0  18.0  19.0

靈活的算術方法

• add(), radd: 加法 (+)
• sub(), rsub: 減法 (-)
• div(), rdiv: 除法 (/)
• floordiv(), rfloordiv(): 取整除法 (//)
• mul(), rmul(): 乘法 (*)
• pow(), rpow(): 次方 (**)

今日的分享就到這囉，我們明天見，掰掰！