Series-matematik och justering
Så justeras etiketter automatiskt under operationer.
Series-matematik och justering är en gratis lektion i Data Science Academy på CoddyKit. Detta är lektion 3 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Data Science Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Matematik på hela kolumner
Ni kan utföra matematik på en hel Series på en gång. Operationerna tillämpas på alla värden samtidigt, så ni behöver inte skriva någon loop. ⚡
Addera en skalär
Om ni adderar ett enda tal till en Series adderas det till varje värde. Denna broadcastning sker automatiskt över hela kolumnen.
import pandas as pd
s = pd.Series([10, 20, 30])
print(s + 5)Alla operatorer fungerar
Subtraktion, multiplikation och division fungerar på samma sätt. Var och en är vektoriserad och behandlar alla värden i en enda snabb genomgång.
print(s * 2)Addera två Series
När ni adderar två Series matchar pandas först ihop dem utifrån deras indexetiketter. Detta steg kallas alignment och är den centrala funktionen.
Matchande etiketter kombineras
Där båda Series delar en etikett kombineras deras värden. Alignment innebär att positionen inte spelar någon roll, utan endast etiketterna.
a = pd.Series([1, 2], index=['x', 'y'])
b = pd.Series([10, 20], index=['x', 'y'])
print(a + b)Ordningen spelar ingen roll
Även om etiketterna förekommer i en annan ordning matchar pandas dem korrekt. Det parar ihop etikett med etikett, aldrig rad med rad.
b = pd.Series([20, 10], index=['y', 'x'])
print(a + b)Saknade etiketter ger NaN
Om en etikett bara finns i den ena Series blir resultatet för den NaN, vilket betyder Not a Number. Det fanns inget att para ihop den med.
c = pd.Series([1], index=['x'])
print(a + c)Fyll luckorna
Använd metoden .add med fill_value för att behandla saknade etiketter som ett standardvärde i stället för NaN. Här fyller noll i luckorna.
print(a.add(c, fill_value=0))Tillämpa en funktion
Många NumPy-funktioner fungerar direkt på en Series och returnerar en ny. Varje värde omvandlas medan dess index förblir intakt.
import numpy as np
print(np.sqrt(pd.Series([4, 9, 16])))Jämför för att skapa masker
Jämförelser körs också element för element och ger en Series med True och False. Den booleska masken är början på filtrering av data.
print(s > 15)Varför alignment vinner
Automatisk alignment förhindrar i tysthet en hel klass av fel som beror på felmatchade rader. Lita på etiketterna och låt pandas para ihop dem åt er. 🛡️
Snabb kontroll
Bekräfta hur alignment hanterar en lucka bland etiketterna.
Sammanfattning
Ni har sett att matematik på Series är vektoriserad, att operationer matchas efter indexetikett och att omatchade etiketter ger NaN om ni inte fyller dem. Stora framsteg! 🎉
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Series-matematik och justering” gratis?
Ja – hela texten till ”Series-matematik och justering” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Data Science Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Series-matematik och justering”?
Så justeras etiketter automatiskt under operationer. Ni övar på Data Science Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Data Science Academy?
Du behöver inga förkunskaper. Utbildningen i Data Science Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 3 av 4.
Hur lång tid tar lektionen ”Series-matematik och justering”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Data Science Academy-lektionen?
Ja. Varje Data Science Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- En kolumn med namn och index
- Åtkomst baserad på etikett kontra position
- Series-matematik och justering
- Räkna och hitta värden