Pandas 数据帧减法会产生用 NaN 值填充的多余列答案

【问题标题】：Pandas dataframe subtraction produces excess columns filled with NaN valuesPandas 数据帧减法会产生用 NaN 值填充的多余列
【发布时间】：2020-09-25 06:55:02
【问题描述】：

我有两个 pandas 数据框，每个都是 (15, 1) 形状。

当从另一个中减去一个时，结果是一个 (15, 15) 形状的数据框。第一列给出了正确的减法值，但其他十四列用 NaN 值填充。（我使用传统的减法符号和 .sub() 得到相同的结果）

为什么要增加 14 列？结果不应该是 (15, 1) 数据帧吗？

数据框是另一个数据框的部分的串联，因此是列/行标签。

【问题讨论】：

你的减法代码是什么？
@jezrael 类似于df3 = df1.sub(df2) 或df3 = df1 - df2
print (df1.info()) 和 print (df2.info()) 是什么？
@jezrael 啊，这可能已经发现了问题。其中一个是真正的系列，另一个是一列 15 个条目的 df。没有意识到这一点，我试图从一个系列中分出一个 df 。并切换两者（尽管值为负）得到了填充 NaN 值的不需要的列。我不知道 info()
是的，这是原因。就像在我的示例中一样 df1.sub(df2['B'])

标签： pandas dataframe

【解决方案1】：

我认为您需要减去 Series - 选择两列：

np.random.seed(2020)

df1 = pd.DataFrame({'A':np.random.randint(10, size=15)})
df2 = pd.DataFrame({'B':np.random.randint(10, size=15)})

s = df1['A'].sub(df2['B'])
print (s)
0    -3
1     2
2    -2
3     6
4    -1
5    -5
6     1
7     4
8    -1
9    -1
10    3
11    0
12   -2
13    1
14   -4
dtype: int32

或者在DataFrame.sub中选择第二个axis=0：

s = df1.sub(df2['B'], axis=0)
print (s)
    A
0  -3
1   2
2  -2
3   6
4  -1
5  -5
6   1
7   4
8  -1
9  -1
10  3
11  0
12 -2
13  1
14 -4

【讨论】：

我对熊猫不是很熟悉。与从 df1 中减去整个 df2 相比，将列 B 命名为从 A 中减去会产生不同的结果吗？
@tcolbert - 我认为它看起来更复杂，您可以查看this 了解更多信息。