0Pricing
Data Science Academy · 课时

Series 运算与对齐

了解运算期间标签如何自动对齐

Series 运算与对齐 是 CoddyKit 上的免费 Data Science Academy 课时。 这是第 3 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Data Science Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Data Science Academy 课程共包含 4 节课。

对整列进行数学运算

您可以一次对整个 Series 进行数学运算。运算会同时应用于每个值，因此无需编写循环。⚡

加上一个标量

将一个数字加到 Series 上，就是把它加到每一个值上。这种广播会自动应用于整列。

import pandas as pd
s = pd.Series([10, 20, 30])
print(s + 5)

所有运算符都能使用

减法、乘法和除法的行为也相同。每种运算都是向量化的，只需一次快速遍历就能处理所有值。

print(s * 2)

将两个 Series 相加

将两个 Series 相加时，pandas 会先根据索引标签将它们对齐。这个步骤称为对齐，也是其最重要的特性之一。🔗

匹配的标签会合并

如果两个 Series 共享某个标签，就会合并该标签对应的值。对齐意味着位置并不重要，重要的是标签。

a = pd.Series([1, 2], index=['x', 'y'])
b = pd.Series([10, 20], index=['x', 'y'])
print(a + b)

顺序并不重要

即使标签的顺序不同，pandas 仍会正确匹配它们。它始终是标签与标签配对，而不是行与行配对。

b = pd.Series([20, 10], index=['y', 'x'])
print(a + b)

缺失标签会产生 NaN

如果某个标签只存在于一个 Series 中，那么该标签对应的结果就会变成 NaN，意思是“不是一个数字”。因为没有可以与它配对的值。

c = pd.Series([1], index=['x'])
print(a + c)

填补空缺

将 .add 方法与 fill_value 一起使用，可以把缺失标签当作默认值，而不是 NaN。这里用零来填补空缺。

print(a.add(c, fill_value=0))

应用函数

许多 NumPy 函数都可以直接作用于 Series，并返回一个新的 Series。每个值都会被转换，同时其索引保持不变。

import numpy as np
print(np.sqrt(pd.Series([4, 9, 16])))

比较以创建掩码

比较运算也会逐元素执行，并生成一个由 True 和 False 组成的 Series。这个布尔掩码是筛选数据的起点。

print(s > 15)

对齐为何更可靠

自动对齐可以悄悄避免因行不匹配而产生的一整类错误。请相信标签，让 pandas 为您配对它们。🛡️

快速检查

让我们确认对齐是如何处理标签缺口的。

回顾

您已经看到，Series 的数学运算是向量化的，运算会根据索引标签进行对齐；不匹配的标签会产生 NaN，除非您为它们填充值。进步很大！🎉

常见问题解答

「Series 运算与对齐」课时是免费的吗？

是的 — 「Series 运算与对齐」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Data Science Academy 课程的其余内容，请升级到 CoddyKit PRO。 Data Science Academy 课程共包含 4 节课。

「Series 运算与对齐」这节课中我会学到什么？

了解运算期间标签如何自动对齐 你通过在浏览器中直接运行的动手代码来练习 Data Science Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 Data Science Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 Data Science Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 3 节课，共 4 节。

「Series 运算与对齐」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 Data Science Academy 课中编写并运行代码吗？

能。每节 Data Science Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

  1. 带名称和索引的列
  2. 基于标签与基于位置的访问
  3. Series 运算与对齐
  4. 计数并发现值
← 返回 Data Science Academy