极客笔记如何在Pandas DataFrame中减去两列？
在使用Pandas DataFrame时，可能会遇到必须在属性之间进行算术操作的情况。其中一种操作是减去两个属性。在本指南中，我们将深入介绍三种不同的技巧来在Pandas DataFrame中减去两个属性：使用sub方法，利用apply方法结合lambda函数，以及利用subtract函数。示例将帮助理解这些方法。
方法1：使用sub方法
sub方法是一个内置的Pandas函数，可以直接从一个属性中减去另一个属性。这种技术对于在DataFrame属性之间执行减法非常简单和有效。
语法
result = dataframe['attribute1'].sub(dataframe['attribute2'])
在这种情况下，’attribute1’和’attribute2’代表DataFrame中的属性名称，产生一个封装了这两个属性发现的Pandas排列。
示例
在给定的实例中，构建了一个DataFrame，其中包括两个属性，即’A’和’B’。
然后使用sub方法从属性’A’中减去属性’B’，并将结果存储在一个名为’Difference’的新属性中。
import pandas as pd
data = {'A': [10, 20, 30, 40], 'B': [5, 15, 25, 35]}
df = pd.DataFrame(data)
df['Difference'] = df['A'].sub(df['B'])
print(df)
输出
A B Difference
0 10 5 5
1 20 15 5
2 30 25 5
3 40 35 5
方法2：使用lambda函数结合apply方法
当apply方法与lambda函数结合时，可以在DataFrame中对两个属性进行逐个元素的推断。
语法
result = dataframe.apply(lambda row: row['attribute1'] - row['attribute2'], axis=1)
在这里，apply方法对DataFrame的每一行进行迭代。lambda函数接受每一行作为输入，并从’attribute1’中减去’attribute2’。结果是一个包含两个属性减法的Pandas Series。
示例
在随后的示例中，我们使用与之前相同的DataFrame，并使用apply方法和lambda函数从属性’A’中减去属性’B’。结果存储在名为’Difference’的新属性中。
import pandas as pd
data = {'A': [10, 20, 30, 40], 'B': [5, 15, 25, 35]}
df = pd.DataFrame(data)
df['Difference'] = df.apply(lambda row: row['A'] - row['B'], axis=1)
print(df)
输出结果
A B Difference
0 10 5 5
1 20 15 5
2 30 25 5
3 40 35 5
方法3：利用subtract函数
subtract函数是另一个内置的Pandas函数，可用于对DataFrame属性进行减法运算。
语法
result = dataframe['attribute1'].subtract(dataframe['attribute2'])
在这个背景下，’attribute1’和’attribute2’是DataFrame中属性名称的占位符，最终形成了一个包含这两个属性结果的Pandas数据集。
示例
在下面的示例中，我们使用之前的相同DataFrame，并使用subtract函数将属性’B’从属性’A’中减去。结果存储在一个名为’Difference’的新属性中。
import pandas as pd
data = {'A': [10, 20, 30, 40], 'B': [5, 15, 25, 35]}
df = pd.DataFrame(data)
df['Difference'] = df['A'].subtract(df['B'])
print(df)
输出
A B Difference
0 10 5 5
1 20 15 5
2 30 25 5
3 40 35 5
结论
在本指南中，我们介绍了如何使用不同的技术在Pandas DataFrame中进行两个属性的减法运算。我们探索了sub方法，结合lambda函数的apply方法，以及subtract函数。每种技术都提供了一种简单有效的方式来在Pandas DataFrames中执行属性间的逐个减法运算，具体取决于您的数据操作任务的特定需求。
