在标签不统一的两个Pandas系列上操作的行为是什么？

Question

它的基本行为是尝试将值与同一标签配对。如果找不到标签，则分配NaN。如果标签在左边或右边（但不是两个）不是唯一的，那么它会用尽所有的可能性。例如

pd.Series((2,3), ("a","b")) * pd.Series((5,7), ("b","b"))

退货：

a     NaN
b    15.0
b    21.0

以及

pd.Series((2,3), ("b","b")) * pd.Series((5,7), ("a","b"))

退货

a     NaN
b    14.0
b    21.0

但是如果标签在左边和右边不是唯一的，例如

pd.Series((2,3), ("b","b")) * pd.Series((5,7), ("b","b"))

你得到了吗

b    10
b    21

我宁愿期待它用尽一切可能，即返回

b    10
b    14
b    15
b    21

什么决定了它返回的值的子集？是否基于行顺序？如果是这样，这种行为的理由是什么？你知道吗

谢谢。你知道吗

Answer 1

下面是一个有趣的观察：

In [146]: a
Out[146]:
b    2
b    3
a    4
dtype: int64

In [147]: b
Out[147]:
a    2
b    5
b    7
dtype: int64

索引：

In [148]: a.index
Out[148]: Index(['b', 'b', 'a'], dtype='object')

In [149]: b.index
Out[149]: Index(['a', 'b', 'b'], dtype='object')

不同索引的乘法：

In [150]: a * b
Out[150]:
a     8
b    10
b    14
b    15
b    21
dtype: int64

但如果索引相同：

In [151]: a.sort_index() * b
Out[151]:
a     8
b    10
b    21
dtype: int64

In [155]: (a.sort_index().index == b.index).all()
Out[155]: True

---

DataFrame.join()将按您的意愿加入副本：

In [128]: a = pd.Series((2,3), ("b","b"))

In [129]: b = pd.Series((5,7), ("b","b"))

In [130]: a.to_frame('a').join(b.to_frame('b')).eval("a * b")
Out[130]:
b    10
b    14
b    15
b    21
dtype: int64