Pandas Series与DataFrame算术运算机制详解

核心运算机制：索引对齐

Pandas在进行算术运算时，最核心的特性是索引对齐（Index Alignment）。无论是Series与Series，还是DataFrame与DataFrame，运算都会基于索引标签进行匹配，而非单纯的位置对应。理解这一机制是避免数据计算错误的关键。

Series与Series运算

当两个Series进行加减乘除运算时，Pandas会尝试对齐它们的索引：

• 对齐项相加：如果两个Series拥有相同的索引标签，对应位置的值会进行算术运算。
• 不对齐项处理：如果某个索引仅存在于其中一个Series中，运算结果中该位置的值为 NaN。

以下代码演示了这一过程：

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

# 创建两个索引不完全相同的Series
s1 = Series([1,3,5,7], index=['a','b','c','d'])
s2 = Series([2,4,6,8], index=['a','b','c','e'])

# 执行加法运算
result = s1 + s2
print(result)

运行结果如下：

a     3.0
b     7.0
c    11.0
d     NaN
e     NaN
dtype: float64

可以看到，索引 'a', 'b', 'c' 对应的值进行了相加（如 1+2=3），而仅存在于 s1 的 'd' 和仅存在于 s2 的 'e'，由于无法对齐，结果均为 NaN。

DataFrame与DataFrame运算

DataFrame之间的算术运算同样遵循索引对齐原则，但维度更高。运算会在行索引和列索引两个维度上同时进行对齐：

• 行和列都存在的交集部分进行计算。
• 任意一个维度（行或列）找不到对应项，结果即为 NaN。

示例代码如下：

# 构建两个结构略有不同的DataFrame
data1 = {'水果':['苹果','梨','草莓'], '数量':[3,2,5], '价格':[10,9,8]}
data2 = {'数量':[3,2,5,6], '价格':[10,9,8,7]}
df1 = DataFrame(data1)
df2 = DataFrame(data2)

# 执行乘法运算
print(df1 * df2)

输出结果：

  价格 数量 水果
0 100.0 9.0 NaN
1 81.0 4.0 NaN
2 64.0 25.0 NaN
3 NaN NaN NaN

分析：df1 包含“水果”列，而 df2 没有，因此“水果”列在结果中全为 NaN。同时，df2 多出一行索引 3，该行在 df1 中不存在，故结果中第3行全为 NaN。

广播机制：DataFrame与Series的运算

当DataFrame与Series进行运算时，Pandas利用广播（Broadcasting）机制。但Series必须与DataFrame的某一维度（行或列）对齐，否则无法计算。

1. DataFrame与某行运算（默认行为）

当Series的索引与DataFrame的列名匹配时，Series会被视为一个“行向量”，并广播到DataFrame的每一行。这是默认行为，无需额外指定轴。

# 将df2的第0行数据广播到所有行
print(df2 + df2.iloc[0])

结果：

 价格 数量
0 20 6
1 19 5
2 18 8
3 17 9

这里，df2.iloc[0] 是一个Series，其索引为 ['价格', '数量']，与 df2 的列名完全一致。因此，该Series的值被加到了 df2 的每一行对应列上。

2. DataFrame与某列运算（需指定轴）

若要将Series与DataFrame的某一列进行运算，必须明确指定 axis=0。否则，Pandas会尝试将Series的索引与DataFrame的列名对齐（如前例），导致逻辑错误或结果不符合预期。

# 将df2的每一列减去第0列的值
print(df2.sub(df2.iloc[:,0], axis=0))

结果：

 价格 数量
0 0 -7
1 0 -7
2 0 -3
3 0 -1

关键点：df2.iloc[:,0] 提取的是第0列，其索引为DataFrame的行索引（0,1,2,3）。通过指定 axis=0，Pandas知道要将这个Series与DataFrame的每一行进行对齐运算（即按行索引匹配）。

3. 无法对齐的情况

如果Series的索引与DataFrame的列名完全不匹配，运算结果中将填充 NaN。

s = Series([1,1,1], index=['数量','价格','重量'])
print(df2 + s)

结果：

 价格 数量 重量
0 11 4 NaN
1 10 3 NaN
2 9 6 NaN
3 8 7 NaN

分析：s 包含“重量”索引，但 df2 没有“重量”列，因此“重量”列结果为 NaN。同时，s 的索引（数量、价格）与 df2 的列名匹配，所以“数量”和“价格”列正常计算。注意，这里没有指定 axis，Pandas默认尝试按列对齐，但由于Series索引与DataFrame列名一致，它实际上是将Series广播到了每一行（类似于前文的行运算逻辑，但这里Series索引是列名，所以是广播到行）。*修正说明：上述代码中，s的index是['数量','价格','重量']，df2的columns也是['数量','价格']。因此s与df2列名对齐，广播到各行。* 若希望按行索引对齐（即Series作为列向量），需指定 axis=0 且Series索引为行索引。

总结

掌握Pandas算术运算的关键在于理解索引对齐与广播机制：

• Series + Series：基于索引标签对齐，缺失项为 NaN。
• DataFrame + DataFrame：行列索引同时对齐，缺失项为 NaN。
• DataFrame + Series：默认按列对齐（广播到行）；若需按行对齐（广播到列），必须指定 axis=0。

通过合理运用这些机制，可以更高效地进行数据清洗与特征工程。以上就是Pandas Series与DataFrame算术运算机制的详细内容，更多关于Pandas数据处理技巧的资料请关注本站其它相关文章！