pandas.DataFrame.add #

数据框。__add__ (其他) [来源] #

按列添加 DataFrame 和其他数据。

相当于DataFrame.add(other)。

参数：

其他标量、序列、系列、字典或数据帧: 要添加到 DataFrame 的对象。

返回：

数据框: 添加到 DataFrame 的结果other。

也可以看看

DataFrame.add: 添加一个 DataFrame 和另一个对象，并可选择面向索引或面向列的添加。

例子

>>> df = pd.DataFrame({'height': [1.5, 2.6], 'weight': [500, 800]},
...                   index=['elk', 'moose'])
>>> df
       height  weight
elk       1.5     500
moose     2.6     800

添加标量会影响所有行和列。

>>> df[['height', 'weight']] + 1.5
       height  weight
elk       3.0   501.5
moose     4.1   801.5

列表中的每个元素都按顺序添加到 DataFrame 的一列中。

>>> df[['height', 'weight']] + [0.5, 1.5]
       height  weight
elk       2.0   501.5
moose     3.1   801.5

字典的键根据列名称与 DataFrame 对齐；字典中的每个值都会添加到相应的列中。

>>> df[['height', 'weight']] + {'height': 0.5, 'weight': 1.5}
       height  weight
elk       2.0   501.5
moose     3.1   801.5

当other是 a时， otherSeries的索引与 DataFrame 的列对齐。

>>> s1 = pd.Series([0.5, 1.5], index=['weight', 'height'])
>>> df[['height', 'weight']] + s1
       height  weight
elk       3.0   500.5
moose     4.1   800.5

即使other的索引与 DataFrame 的索引相同，Series也不会重新定向。如果需要索引对齐，应与axis='index'DataFrame.add()一起使用。

>>> s2 = pd.Series([0.5, 1.5], index=['elk', 'moose'])
>>> df[['height', 'weight']] + s2
       elk  height  moose  weight
elk    NaN     NaN    NaN     NaN
moose  NaN     NaN    NaN     NaN

>>> df[['height', 'weight']].add(s2, axis='index')
       height  weight
elk       2.0   500.5
moose     4.1   801.5

当other为 a时DataFrame，列名和索引都会对齐。

>>> other = pd.DataFrame({'height': [0.2, 0.4, 0.6]},
...                      index=['elk', 'moose', 'deer'])
>>> df[['height', 'weight']] + other
       height  weight
deer      NaN     NaN
elk       1.7     NaN
moose     3.0     NaN

pandas.DataFrame.__add__ #

pandas.DataFrame.add #