算数运算，数据对齐，数据排序

Pandas执行算数运算时，会先按照索引进行对齐，对齐以后再进行相应的运算，没对齐的位置会用NaN进行补齐。其中，series是按行索引对齐的，DataFrame是按行索引、列索引对齐的。
例：
1）

import pandas as pd
obj_one = pd.Series(range(10, 13), index=range(3))
print(obj_one)

2）

obj_two = pd.Series(range(20, 25), index=range(5))
print(obj_two)

Obj_one与obj_two进行加法运算，则会将它们按照索引进行对齐，对齐的位置进行加法运算，没有对其的位置使用NaN值进行填充
3）执行相加运算

print(obj_one+obj_two)

如果希望不使用NaN填充缺失数据，则可以在调用add方法时提供fill_value参数的值，fill_value将会使用对象中存在的数据进行补充

4）执行加法运算，补充缺失值

print(obj_one.add(obj_two, fill_value=0))

在数据处理中，数据的排序也是常见的一种操作。由于pandas中存放的是索引和数据的组合，所以它既可以按索引进行排序，也可以按数据进行排序

3.4.1按索引排序
语法格式

sort_index(axis=0, level=None, ascending=True, inplace=False,
           kind='quicksort', na_position='last', sort_remaining=True)

常用参数说明

默认情况下，pandas对象是按照升序排序，当然也可以通过参数ascending=Flase改为降序排序

例：
1）

import pandas as pd
ser_obj = pd.Series(range(10, 15), index=[5, 3, 1, 3, 2])
print(ser_obj)

2）按索引进行升序排列
print(ser_obj.sort_index())#按索引进行升序排列

3）按索引进行降序排序
print(ser_obj.sort_index(ascending=False))#按索引进行降序排列

例
1）

import pandas as pd
import numpy as np
df_obj = pd.DataFrame(np.arange(9).reshape(3, 3), index=[4, 3, 5])
print(df_obj)
 

2）按行索引升序排列
print(df_obj.sort_index())#按行索引升序排列

3）按行索引降序排列
print(df_obj.sort_index(ascending=False))#按行索引降序排列

4）按列索引降序排列
print(df_obj.sort_index(axis=1, ascending=False))

需要注意的是，当对DataFrame进行排序操作时，要注意州的方向。如果没有指定axis参数的值，则默认会按照行索引进行排序；如果指定axis=1，则会按照列索引进行排序

Pandas中用来按值排序的方法味sort_values()语法格式如下

sort_values(by,axis=0,ascending=True, inplace=False, kind='quicksort',
            na_position='last')

其中，by参数表示排序的列，na_position参数只有两个值：first和last，若设为first，则会将NaN值放在开头；若设为Flase，则会将NaN值放在最后。

例：
1）

import pandas as pd
import numpy as np
ser_obj = pd.Series([4, np.nan, 6, np.nan, -3, 2])
print(ser_obj)
 

2）按值升序排列
print(ser_obj.sort_values())

需要注意的是，当series对象调用sort_values()方法按值进行排序时，所有缺失值默认都会放在末尾

再DataFrame中，sort_values()方法可以根据一个或多个列中的值进行排序，但是需要在排序时将一个或多个列的索引传递给by参数才行
例：
1)

import pandas as pd
import numpy as np
df_obj = pd.DataFrame([[0.4, -0.1, -0.3, 0.0],
                       [0.2, 0.6, -0.1, -0.7],
                       [0.8, 0.6, -0.5, 0.1]])
print(df_obj)

2)对列索引为2的数据进行排序

print(df_obj.sort_values(by=2))