pandas Alignment（Boardcasting） 小结

所谓Data alignment，实际就是数据对齐

 

在pandas-docs中，出现过alignment的地方主要有：

flexible-binary-operations：http://pandas.pydata.org/pandas-docs/version/0.19.2/basics.html?highlight=align#flexible-binary-operations

data-alignment-and-arithmetic：http://pandas.pydata.org/pandas-docs/version/0.19.2/dsintro.html?highlight=align#data-alignment-and-arithmetic

 

add(), sub(), mul(), div() 

实际上最主要的还是Dataframe和Dataframe、Series和Series、或者Dataframe和Series之间进行binary operation（加减乘除时），会涉及到alignment，也即boardcast的规则。

 

add(), sub(), mul(), div()  对应'+' , '-', '*', '/'。当Dataframe 与 Series 进行操作是，默认对Series是把其index对应到Dataframe的Column上，即broadcasting row-wise（看成行向量，复制成一个矩阵）

 

但如果Series和Dataframe都以dates相关的index作为index，则是column-wise（看成列向量，复制成一个矩阵）

 

若要改变默认的alignment方式，则可通过指定传入以上四个函数的 axis 可选的有0（‘index’）和1（‘columns’）

 

where函数

where()中align的性质可以详参：https://stackoverflow.com/questions/44819339/pandas-dataframe-where-alignment

里面说的非常详细。

where函数同样支持alignment（broadcast）。同样可以传入axis参数指定row（0）或者column（1）

 

df.where(cond, other=Series, axis)

当dataframe 调用where()且other 传入Series时，

axis=0即指定Series的index与dataframe的column name匹配（即沿着row align，沿着行boardcast）

axis=1即指定Series的index与dataframe的index匹配（即沿着column align，沿着列boardcast）

 

因此构造Series的时候要注意index！！！可以通过df[colname]来取index 和 df.index相同的column Series，或者通过df[0]来取index和df.name相同的row Series。

若匹配不上，则对应row/column 填入NAN（即默认值）。

df = pd.DataFrame(np.random.randn(8, 4), columns=['A', 'B', 'C', 'D'])

　df

 

 

s = pd.Series([77,88,99],index=list('ABE'))
print('the index of s is {}'.format(s.index.tolist()))
s

 

axis=1，与column name匹配。由于没有df column names 中没有E，因此除了A、B列之外，s的E对应的数据无法起效。

df.where(df>0,s,axis=1) #align with column,i.e. copy s accroding to number of rows and subsitiute into df

 

 

s = pd.Series([77,88,99],index=[1,2,4])
print('the index of s is {}'.format(s.index.tolist()))
s

 

 

 

同理可以看到只有df中对应的 1 2 4 row 上的数据被替换，其余行上的数据仍是NAN。

 

df.where(df>0,s,axis=0) #align with row,i.e. copy s accroding to number of columns and subsitiute into df

 

 

利用df本身的row 或者 column作为other 传入where():

s = df['A']
print('The index of A column is {} \n'.format(s.index.tolist()))
print(s,'\n')
df.where(df>0, s, axis=0)

 

 

s = df.iloc[1]
print('The index of 1 row is {} \n'.format(s.index.tolist()))
print(s,'\n')
df.where(df>0, s, axis=1)