Series-Mathematik und Alignment
Wie sich Labels bei Operationen automatisch ausrichten.
Series-Mathematik und Alignment ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Math on Whole Columns
You can do math on an entire Series at once. Operations apply to every value together, so there is no loop to write. ⚡
Add a Scalar
Adding a single number to a Series adds it to every value. This broadcast happens automatically across the whole column.
import pandas as pd
s = pd.Series([10, 20, 30])
print(s + 5)All the Operators Work
Subtraction, multiplication, and division behave the same way. Each one is vectorized, touching all values in a single fast pass.
print(s * 2)Add Two Series
When you add two Series, pandas lines them up by their index labels first. This step is called alignment and it is the headline feature. 🔗
Matching Labels Combine
Where both Series share a label, their values are combined. Alignment means position does not matter, only the labels do.
a = pd.Series([1, 2], index=['x', 'y'])
b = pd.Series([10, 20], index=['x', 'y'])
print(a + b)Order Does Not Matter
Even if the labels appear in a different order, pandas still matches them correctly. It pairs label to label, never row to row.
b = pd.Series([20, 10], index=['y', 'x'])
print(a + b)Missing Labels Make NaN
If a label exists in only one Series, the result for it becomes NaN, meaning Not a Number. There was nothing to pair it with.
c = pd.Series([1], index=['x'])
print(a + c)Fill the Gaps
Use the .add method with fill_value to treat missing labels as a default instead of NaN. Here zero plugs the holes.
print(a.add(c, fill_value=0))Apply a Function
Many NumPy functions work directly on a Series and return a new one. Each value is transformed while its index stays intact.
import numpy as np
print(np.sqrt(pd.Series([4, 9, 16])))Compare to Make Masks
Comparisons also run element-wise, giving a Series of True and False. That boolean mask is the start of filtering data.
print(s > 15)Why Alignment Wins
Automatic alignment quietly prevents a whole class of bugs from mismatched rows. Trust the labels and let pandas pair them for you. 🛡️
Quick Check
Let's confirm how alignment handles a label gap.
Recap
You saw Series math is vectorized, that operations align by index label, and that unmatched labels yield NaN unless you fill them. Great progress! 🎉
Häufig gestellte Fragen
Ist die Lektion „Series-Mathematik und Alignment“ kostenlos?
Ja — der vollständige Text von „Series-Mathematik und Alignment“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Series-Mathematik und Alignment“?
Wie sich Labels bei Operationen automatisch ausrichten. Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Series-Mathematik und Alignment“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Eine Spalte mit Name und Index
- Zugriff per Label oder Position
- Series-Mathematik und Alignment
- Werte zählen und erkennen