上周公司對所有員工封閉培訓了一個星期，期間沒收手機，基本上博客的更新都停止了，儘管培訓時間不長，但還是有些收穫，不僅來自於培訓講師的，更多的是發現自己與別人的不足，一個優秀的人不僅僅是自己專業那塊的精通，自己還有很多內功和外功需要修煉，人生很長，拼的是堅持。培訓回來了就開始馬不停蹄的複習自己之前學的 ...
上周公司對所有員工封閉培訓了一個星期，期間沒收手機，基本上博客的更新都停止了，儘管培訓時間不長，但還是有些收穫，不僅來自於培訓講師的，更多的是發現自己與別人的不足，一個優秀的人不僅僅是自己專業那塊的精通，自己還有很多內功和外功需要修煉，人生很長，拼的是堅持。培訓回來了就開始馬不停蹄的複習自己之前學的東西，業精於勤荒於嬉是非常有道理的，不希望自己中間的斷檔就將博客給徹底荒廢了。上一篇復盤的是選擇行和列，這是利用python操作數據的基礎和根本。本文將總結基本的算術運算規則。
算術運算
對於兩個對象進行加減乘除的算數運算時，如果兩個對象有不同的索引對，那麼運算結果的索引就是該索引對的並集。而結果集索引對應的值是兩個對象相同索引對應的值相加減乘除，不同的索引對應的值統一為NaN。比方說張三有梨子3個，蘋果2個；李四有橘子1個，獼猴桃3個，蘋果1個，梨子5個。那麼張三和李四加起來的結果就是梨子8個，蘋果3個，橘子未知，獼猴桃未知。這裡的水果名即為索引，兩者相同索引對應的值會相加，而不同索引對應的值將為NaN。
1.1 Series之間的運算
示例：
1.2 DataFrame之間的運算
示例：
從上述例子上看可以發現DataFrame之間運算時，是行索引和列索引一起進行對齊操作，運算後的結果集的行索引是兩者行索引的並集，結果集的列索引是兩者列索引的並集。而行列對應的數值是df1和df2中相同行索引和相同列索引定位到的那個數值相加，如果兩者的行索引或者列索引不相同數值將填充為NaN.
1.3 DataFrame與Series之間的運算
示例：
從以上示例可以看出兩個相減時是從df1中匹配m中的列索引，匹配上了的就將df1的每一行都減去對應m的值。比如m中a,d是與df1相同的，那麼df1的a,d兩列的每一行都要減去m的a，d兩個值。df1其他沒匹配上的填充為NaN。
如果是按照行匹配，每列來運算，則利用軸標記來指定。
示例：
axis=0表示希望匹配的軸是行，按照行來匹配，減去每列的數值。
