将binary function 应用于两个Pandas Series elementwise 的推荐方法是什么，当它们具有相同的索引时将值配对在一起，并在其中一个系列缺少值时提供填充值？
例如，输入系列sl 和sr 应该产生输出系列so：
sl = Pandas Series
index,value
a,1
b,4
c,5
e,7
sr = Pandas Series
index,value
a,2
b,3
d,6
e,7
so = binary_func(sl, sr, fill_value=0)
index,value
a,binary_func(1,2)
b,binary_func(4,3)
c,binary_func(5,0)
d,binary_func(0,6)
e,binary_func(7,7)
【问题讨论】：
标签： python python-3.x pandas series
您可以使用带有fillna(0) 的DataFrame，然后在行上使用apply 您的binary_func：
import pandas as pd
sl = pd.Series([1, 4, 5, 7], index=list('abce'))
sr = pd.Series([2, 3, 6, 7], index=list('abde'))
df = pd.DataFrame({ 'sl': sl, 'sr': sr }).fillna(0)
| sl | sr | |
|---|---|---|
| a | 1.0 | 2.0 |
| b | 4.0 | 3.0 |
| c | 5.0 | 0.0 |
| d | 0.0 | 6.0 |
| e | 7.0 | 7.0 |
so = df.apply(lambda row: binary_func(row[0], row[1]), axis=1)
【讨论】：
df.apply 步骤，尝试像binary_func_vec = np.vectorize(binary_func) 这样对函数进行矢量化，然后使用像binary_func_vec(df.s1.values, df.s2.values) 这样的numpy 数组调用它。