构建3个3*5的dataframe，第三个dataframe的元素是前两个dataframe元素的差

import pandas as pd
import numpy as np

# 构建第一个dataframe
df1 = pd.DataFrame(np.random.randint(0, 10, size=(3, 5)), columns=list('ABCDE'))
print("df1:\n", df1)

# 构建第二个dataframe
df2 = pd.DataFrame(np.random.randint(0, 10, size=(3, 5)), columns=list('ABCDE'))
print("df2:\n", df2)

# 构建第三个dataframe，元素为前两个dataframe元素的差
df3 = df1 - df2
print("df3:\n", df3)

输出结果：

df1:
    A  B  C  D  E
0  7  9  8  0  8
1  6  5  7  1  0
2  9  0  8  8  2
df2:
    A  B  C  D  E
0  9  9  8  6  3
1  5  0  8  3  6
2  0  2  4  4  7
df3:
    A  B  C  D  E
0 -2  0  0 -6  5
1  1  5 -1 -2 -6
2  9 -2  4  4 -5

相关问题

构建一个3*5的dataframe，并计算每一个元素的列排名

以下是一个构建3*5的DataFrame，并计算每个元素的列排名的示例代码：

import pandas as pd

# 构建DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9],
    'D': [10, 11, 12],
    'E': [13, 14, 15]
})

# 计算每个元素的列排名
rank_df = df.rank(axis=0)

# 打印输出结果
print(df)
print(rank_df)

输出结果为：

   A  B  C   D   E
0  1  4  7  10  13
1  2  5  8  11  14
2  3  6  9  12  15

     A    B    C    D    E
0  1.0  1.0  1.0  1.0  1.0
1  2.0  2.0  2.0  2.0  2.0
2  3.0  3.0  3.0  3.0  3.0

在上面的代码中，我们首先使用字典创建了一个3*5的DataFrame。然后，我们使用`rank()`方法计算每个元素的列排名，并将结果存储在一个新的DataFrame中。最后，我们打印输出原始DataFrame和排名DataFrame的结果。

构建一个1*5的dataframe

可以使用pandas库中的DataFrame函数构建一个1*5的DataFrame，示例代码如下：

import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 3, 4, 5]})

print(df)

输出：

   col1
0     1
1     2
2     3
3     4
4     5

其中，`{'col1': [1, 2, 3, 4, 5]}`是一个字典，代表DataFrame的列名为`col1`，列值为`[1, 2, 3, 4, 5]`，这里只有一列。`pd.DataFrame`函数将字典转换为DataFrame对象。因为只有一列，所以这里的DataFrame是1*5的。