不到断气不罢休 发表于 昨天 17:34

【Pandas】pandas DataFrame rsub

Pandas2.2 DataFrame

Binary operator functions

方法描述DataFrame.add(other)用于实行 DataFrame 与另一个对象（如 DataFrame、Series 或标量）的逐元素加法利用DataFrame.add(other[, axis, level, fill_value])用于实行 DataFrame 与另一个对象（如 DataFrame、Series 或标量）的逐元素加法利用DataFrame.sub(other[, axis, level, fill_value])用于实行逐元素的减法利用DataFrame.mul(other[, axis, level, fill_value])用于实行逐元素的乘法利用DataFrame.div(other[, axis, level, fill_value])用于实行逐元素的除法利用DataFrame.truediv(other[, axis, level, …])用于实行逐元素的真除法利用DataFrame.floordiv(other[, axis, level, …])用于实行逐元素的地板除法利用DataFrame.mod(other[, axis, level, fill_value])用于实行逐元素的取模利用DataFrame.pow(other[, axis, level, fill_value])用于对 DataFrame 中的元素举行幂运算DataFrame.dot(other)用于计算两个 DataFrame（或 DataFrame 与 Series/数组）之间的**矩阵点积（矩阵乘法）**的方法DataFrame.radd(other[, axis, level, fill_value])用于实行反向加法运算DataFrame.rsub(other[, axis, level, fill_value])用于实行反向减法运算 pandas.DataFrame.rsub()

pandas.DataFrame.rsub 方法用于实行反向减法运算。具体来说，它相称于调用 other - self，其中 self 是调用该方法的 DataFrame。以下是该方法的参数阐明及其功能：
参数阐明



[*]other: 用于举行减法运算的值，可以是标量、序列、DataFrame 或字典。
[*]axis: 指定沿哪个轴举行运算。0 或 'index' 表现沿行举行运算，1 或 'columns' 表现沿列举行运算。默认为 1。
[*]level: 如果 other 是一个 MultiIndex，则指定沿哪个级别举行运算。默认为 None。
[*]fill_value: 用于添补缺失值的值。默认为 None。
示例及效果

示例 1: 使用标量举行反向减法运算

import pandas as pd

df = pd.DataFrame({
    'A': ,
    'B': ,
    'C':
})

print("原始 DataFrame:")
print(df)

result = df.rsub(10)
print("\n反向减法后的 DataFrame (使用 rsub 并指定标量 10):")
print(result)
效果:
原始 DataFrame:
   ABC
0147
1258
2369

反向减法后的 DataFrame (使用 rsub 并指定标量 10):
    A   B   C
0   9   6   3
1   8   5   2
2   7   4   1
示例 2: 使用序列举行反向减法运算

import pandas as pd

df = pd.DataFrame({
    'A': ,
    'B': ,
    'C':
})

other = pd.Series()

print("原始 DataFrame:")
print(df)

result = df.rsub(other, axis=0)
print("\n反向减法后的 DataFrame (使用 rsub 并指定序列):")
print(result)
效果:
原始 DataFrame:
   ABC
0147
1258
2369

反向减法后的 DataFrame (使用 rsub 并指定序列):
    A   B   C
0   0-3-6
1   0-3-6
2   0-3-6
示例 3: 使用 DataFrame 举行反向减法运算

import pandas as pd

df = pd.DataFrame({
    'A': ,
    'B': ,
    'C':
})

other_df = pd.DataFrame({
    'A': ,
    'B': ,
    'C':
})

print("原始 DataFrame:")
print(df)

result = df.rsub(other_df)
print("\n反向减法后的 DataFrame (使用 rsub 并指定 DataFrame):")
print(result)
效果:
原始 DataFrame:
   ABC
0147
1258
2369

反向减法后的 DataFrame (使用 rsub 并指定 DataFrame):
   ABC
0000
1000
2000
示例 4: 使用字典举行反向减法运算

import pandas as pd

df = pd.DataFrame({
    'A': ,
    'B': ,
    'C':
})

other_dict = {'A': 1, 'B': 2, 'C': 3}

print("原始 DataFrame:")
print(df)

result = df.rsub(other_dict)
print("\n反向减法后的 DataFrame (使用 rsub 并指定字典):")
print(result)
效果:
原始 DataFrame:
   ABC
0147
1258
2369

反向减法后的 DataFrame (使用 rsub 并指定字典):
   ABC
00 -2 -4
10 -3 -5
20 -4 -6
表明


[*] 使用标量举行反向减法运算:

[*]df.rsub(10) 计算 DataFrame df 中的每个元素与标量 10 的减法。
[*]效果是一个新的 DataFrame，其中每个元素是 10 减去 df 中的元素。

[*] 使用序列举行反向减法运算:

[*]df.rsub(other, axis=0) 计算 DataFrame df 的每一行与序列 other 的对应元素的减法。
[*]效果是一个新的 DataFrame，其中每个元素是 other 的对应元素减去 df 的元素。

[*] 使用 DataFrame 举行反向减法运算:

[*]df.rsub(other_df) 计算 DataFrame df 与 other_df 的对应元素的减法。
[*]效果是一个新的 DataFrame，其中每个元素是 other_df 的元素减去 df 的元素。

[*] 使用字典举行反向减法运算:

[*]df.rsub(other_dict) 计算 DataFrame df 的每一列与字典 other_dict 中对应键的值的减法。
[*]效果是一个新的 DataFrame，其中每个元素是字典 other_dict 中的值减去 df 的元素。

这些示例展示了 DataFrame.rsub 方法的不同用法及其效果。根据具体需求，可以选择合适的参数来举行反向减法运算。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页: [1]
查看完整版本: 【Pandas】pandas DataFrame rsub