大数据时代的到来，使得很多工作都需要进行数据挖掘，从而发现更多有利的规律，或规避风险，或发现商业价值。

而大数据分析的基础是学好编程语言。

本文和你一起来探索Python中的add函数，让你以最短的时间明白这个函数的原理。

也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。

本文目录

安装numpy包

add函数定义

add函数实例

3.1 简单数组相加

3.2 广播不同形状的数组

3.3 使用out参数指定输出数组

3.4 两个数据框对应元素求和

一、安装numpy包

add是numpy库下的函数，调用需先要安装numpy包。打开cmd，安装语句如下：

pip install numpy

由于numpy库是数据分析最常用的库之一，所以我早就安装过了，再安装会提示如下内容：

二、add函数定义

在Python的NumPy库中，np.add函数用于将两个数组中的元素分别相加。

它是数组运算中的常用函数之一，对于数据处理和分析非常有用。

其基本调用语法如下：

import numpy as np    np.add(x1, x2, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])

常用参数详解：

x1：第一个输入数组。

x2：第二个输入数组。这两个数组应具有兼容的形状，或者可以广播到相同的形状。

out：可选参数，用于指定输出数组的位置。如果提供，则将结果存储在该数组中，而不是创建新数组。

其他参数如where、casting、order、dtype和subok可用于进一步控制运算的行为和输出数据类型。


三、add函数实例
1   简单数组相加
首先导入numpy库，然后用np.add函数将两个数组中的元素分别相加，具体代码如下：
import numpy as np    arr1 = np.array([1, 2, 3])  arr2 = np.array([4, 5, 6])  result = np.add(arr1, arr2)  print(result)
得到结果：
[5 7 9]

2   广播不同形状的数组
接着对形状不同的数组应用add函数广播求和。具体代码如下：
import numpy as np    arr1 = np.array([[1, 2, 3], [4, 5, 6]])  arr2 = np.array([1, 1, 1])  result = np.add(arr1, arr2)  print(result)
得到结果：
[[2 3 4] [5 6 7]]
可以发现该列中arr2被广播到了与arr1相同的形状。
需要注意的是可以广播求和的数组，其子组件是同型的。
3  使用out参数指定输出数组
接着看下用out参数指定输出数组结果的情形。首先给result变量赋值为全0的数组，具体代码如下：
import numpy as np  
result = np.zeros(3)  print(result)
得到结果：
[0. 0. 0.]

然后计算两个数组的和，结果指定为result，具体代码如下：

arr1 = np.array([1, 2, 3])  arr2 = np.array([4, 5, 6])  np.add(arr1, arr2, out=result)  print(result)

得到结果：

[5. 7. 9.]

需要注意的是指定out结果时，需先定义一个同型的数组，否则会报错。

4   两个数据框对应元素求和
最后看下add函数对数据框进行求和，具体代码如下：
import pandas as pd 
date1 = pd.DataFrame([[1, -1, 2], [-2, 5, -9]])date2 = pd.DataFrame([[2, 1, 2], [2, 5, -9]])np.add(date1, date2)
得到结果：