1.説明
下の層はnumpyのパンダが統合されているので、シリーズの基礎となるデータは、我々はシリーズを得るので、ndarray構築するために使用されるように、numpyの機能を直接操作シリーズで使用することができます。しかしシリーズndarry場所は、複数のインデックスでシリーズ異なっています。
これらの問題は、これらの詳細は、私たちのために、知識をnumpyの精通だけ精通しているとパンダは大きな助けである、詳細です。シリーズが構築される基礎データによってndarray、及び直列データフレームの順番のいずれかにによって堆積、又は任意にデータフレームをデータの各行の各列を取ら、シリーズです。
図2に示すように、同じ動作点
シリーズnumpyのを使用して①ダイレクト機能の操作
import numpy as np
import pandas as pd
s = pd.Series([1,2,3,4])
display(s)
display(np.sum(s))
display(np.mean(s))
結果は以下の通りであります：
シリーズndarray取得後②、動作シリーズnumpyのに機能を使用
s = pd.Series([1,2,3,4])
display(s.values)
display(type(s.values))
display(np.sum(s))
display(np.mean(s))
結果は以下の通りであります：
図3に示すように、様々な動作点
①異なるndarrayについては、対応する要素は、直接添加されます
x = np.array([1,2,3,4])
display(x)
y = np.array([1,2,3,4])
display(y)
display(x+y)
結果は以下の通りであります：
指標に従って評価したとき②異なるシリーズのために、マッチング動作を行います
x = pd.Series([1,2,3,4],index=["a","b","c","d"])
display(x)
y = pd.Series([1,2,3,4],index=["b","c","d","e"])
display(y)
display(x+y)
結果は以下の通りである：
注：屈折率整合に関するデータ、対応する要素が追加されます。一致指数に関するデータは、NaN値を返しません。
インデックスの場合に一致させることができない③、デフォルト値の代わりに使用することができます
x = pd.Series([1,2,3,4],index=["a","b","c","d"])
display(x)
y = pd.Series([1,2,3,4],index=["b","c","d","e"])
display(y)
display(x+y)
display(x.add(y,fill_value=100))
結果は次の通りれる：
注：、Yが、無インデックスインデックス用のX、デフォルト値に、Yに対応する100 + 1 = 101こと、次いで、100の指標値を追加しました。xのデフォルト値は、指数eを追加することと同じであるので、X E、Yが、指数Eのためのインデックスは、存在しない、値100は、次いで、4 + 100 = 104です。
あなたが別のインデックスシリーズでなければならない場合は、要素の対応する位置を追加するための、そして唯一のインデックスがリセットされます。すなわち、シリーズは同じインデックスを入れて二つの異なる指標であり、対応する要素が追加されます。
4、ndarryとシリーズのデータは、NaN値が算出された場合に何が起こるのでしょうか？
x = np.array([1,2,3,np.NaN])
display(x)
display(np.mean(x))
y = pd.Series([1,2,3,np.NaN])
display(y)
display(np.mean(y))
結果は以下の通りである：
結果の説明：結果は自動的にNaN値の計算を無視しないndarry、図から分かる、と自動的シリーズNaN値が計算されて無視されます。これは、異なる要素シリーズの要素間の動作の結果として、それによってシリーズnumpyのがNaN操作を無視できる値に基づいて、いくつかの改良を加え、ロットNaN値をもたらす屈折率整合に応じて添加されます。
