一、Series基本算术运算

• 适用于 NumPy 的数组运算也适用于 Series

s = pd.Series(np.random.randint(10,100,size=10))
s
# 执行结果
0    11
1    40
2    25
3    83
4    18
5    42
6    84
7    43
8    30
9    75
dtype: int32

# 加法运算
s + 100
# 执行结果
0    111
1    140
2    125
3    183
4    118
5    142
6    184
7    143
8    130
9    175
dtype: int32

# 减法运算
s - 100
# 执行结果
0   -89
1   -60
2   -75
3   -17
4   -82
5   -58
6   -16
7   -57
8   -70
9   -25
dtype: int32

# 乘法运算
s * 100
# 执行结果
0    1100
1    4000
2    2500
3    8300
4    1800
5    4200
6    8400
7    4300
8    3000
9    7500
dtype: int32

# 除法运算
s / 100
# 执行结果
0    0.11
1    0.40
2    0.25
3    0.83
4    0.18
5    0.42
6    0.84
7    0.43
8    0.30
9    0.75
dtype: float64

# 取整运算
s // 100
# 执行结果
0    0
1    0
2    0
3    0
4    0
5    0
6    0
7    0
8    0
9    0
dtype: int32

# 次方运算
s ** 2
# 执行结果
0     121
1    1600
2     625
3    6889
4     324
5    1764
6    7056
7    1849
8     900
9    5625
dtype: int32

# 求余运算
s % 2
# 执行结果
0    1
1    0
2    1
3    1
4    0
5    0
6    0
7    1
8    0
9    1
dtype: int32

二、Series之间的运算

• 在运算中自动对齐索引
• 如果索引不对应，则补 NaN
• Series 没有广播机制

# 创建两个长度一样的数据
s1 = pd.Series(np.random.randint(10,100,size=3))
s2 = pd.Series(np.random.randint(10,100,size=3))
display(s1,s2)
# 执行结果
0    56
1    74
2    69
dtype: int32
0    27
1    90
2    35
dtype: int32

# 对应元素数据相加
s1 + s2
# 执行结果
0     83
1    164
2    104
dtype: int32

# 对应元素数据相减
s1 - s2
# 执行结果
0    29
1   -16
2    34
dtype: int32

# 创建两个不同长度的数据
s3 = pd.Series(np.random.randint(10,100,size=3))
s4 = pd.Series(np.random.randint(10,100,size=4))
display(s3,s4)
# 执行结果
0    77
1    11
2    76
dtype: int32
0    18
1    74
2    20
3    93
dtype: int32

# 根据索引对应的值运算，索引不对应则补 NaN
s3 + s4
# 执行结果
0    95.0
1    85.0
2    96.0
3     NaN
dtype: float64

• 注意：要想保留所有的 index，则需要使用 .add() 函数

display(s3,s4)
# 执行结果
0    77
1    11
2    76
dtype: int32
0    18
1    74
2    20
3    93
dtype: int32

# s3默认填充索引3的值为0
s3.add(s4,fill_value=0)
# 执行结果
0    95.0
1    85.0
2    96.0
3    93.0
dtype: float64