如何在Pandas数据框架中减去两列

在这篇文章中，我们将讨论如何用Python在pandas数据框架中减去两列。

使用中的数据框架：

方法1：直接法

这是getitem方法 syntax( [] )，它让你使用列名直接访问数据框架的列。

例子：减去Pandas数据框架中的两列

import numpy as np
import pandas as pd
  
data = np.arange(0, 20).reshape(4, 5)
  
  
df1 = pd.DataFrame(data,
                   index=['Row 1', 'Row 2', 'Row 3', 'Row 4'],
                   columns=['Column 1', 'Column 2', 'Column 3',
                            'Column 4', 'Column 5'])
  
# using our previous example
# now let's subtract the values of two columns
df1['Column 1'] - df1['Column 2']

输出:

方法2：定义一个函数

我们可以创建一个专门用于减去列的函数，将列数据作为参数，然后使用apply方法将其应用于整个列的所有数据点。

例子：减去Pandas数据框架中的两列

import numpy as np
import pandas as pd
  
def diff(a, b):
    return b - a
  
data = np.arange(0, 20).reshape(4, 5)
  
  
df = pd.DataFrame(data,
                  index=['Row 1', 'Row 2', 'Row 3', 'Row 4'],
                  columns=['Column 1', 'Column 2', 'Column 3',
                           'Column 4', 'Column 5'])
  
  
df['Difference_2_1'] = df.apply(
    lambda x: diff(x['Column 2'], x['Column 2']), axis=1)

输出 :

方法3：使用apply()

由于我们要执行的操作很简单，我们可以你可以直接使用apply()方法，而不用明确定义一个函数。提供轴参数为1来访问列。

语法:

s.apply(func, convert_dtype=True, args=())

参数:

• func: .apply接收一个函数并将其应用于pandas系列的所有值。
• convert_dtype:按照函数的操作，转换dtype。
• args=():传递给函数的额外参数，而不是系列。

返回类型：应用函数/操作后的潘达系列。

例子：减去Pandas数据框架中的两列

import pandas as pd
import numpy as np
  
data = np.arange(0, 20).reshape(4, 5)
  
  
df = pd.DataFrame(data,
                  index=['Row 1', 'Row 2', 'Row 3', 'Row 4'],
                  columns=['Column 1', 'Column 2', 'Column 3',
                           'Column 4', 'Column 5'])
  
  
df['diff_3_4'] = df.apply(lambda x: x['Column 3'] - x['Column 4'], axis=1)
df

输出:

方法4：使用分配方法

assign()方法给DataFrame分配新的列，返回一个新的对象（一个副本），新的列被添加到原来的列中。

例子：减去Pandas数据框架中的两列

import numpy as np
import pandas as pd
  
data = np.arange(0, 20).reshape(4, 5)
  
  
df = pd.DataFrame(data,
                  index=['Row 1', 'Row 2', 'Row 3', 'Row 4'],
                  columns=['Column 1', 'Column 2', 'Column 3',
                           'Column 4', 'Column 5'])
  
  
df = df.assign(diff_1_5=df['Column 1'] - df['Column 5'])
  
df

输出 :