Python Pandas dataframe.rpow()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.rpow()函数用于查找数据帧和其他逐元素(二进制运算符rfloordiv)的 index 幂。此函数与执行other ** dataframe 但支持替换其中一个输入中的丢失数据。

用法：DataFrame.rpow(other, axis=’columns’, level=None, fill_value=None)

参数：

other: Series, DataFrame, or constant

axis: For Series input, axis to match Series index on

level: Broadcast across a level, matching Index values on the passed MultiIndex leve

fill_value: Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

返回值：结果：DataFrame

范例1：采用rpow()函数将序列中的每个元素提升到列轴上 DataFrame 中的相应值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                   "B":[3, 2, 4, 3, 4],  
                   "C":[2, 2, 7, 3, 4],  
                   "D":[4, 3, 6, 12, 7]}, 
                    index =["A1", "A2", "A3", "A4", "A5"]) 
  
# Print the dataframe 
df

让我们创建系列

# importing pandas as pd 
import pandas as pd 
  
# Create the series 
sr = pd.Series([12, 25, 64, 18], index =["A", "B", "C", "D"]) 
  
# Print the series 
sr

让我们使用dataframe.rpow()函数将系列中的每个元素提升到 DataFrame 中相应元素的功效。

# equivalent to sr ** df 
df.rpow(sr, axis = 1)

输出：

范例2：采用rpow()函数将 DataFrame 中的每个元素提升为其他 DataFrame 中的相应元素的幂

# importing pandas as pd 
import pandas as pd 
  
# Creating the first dataframe  
df1 = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                    "B":[3, 2, 4, 3, 4], 
                    "C":[2, 2, 7, 3, 4], 
                    "D":[4, 3, 6, 12, 7]}, 
                     index =["A1", "A2", "A3", "A4", "A5"]) 
  
# Creating the second dataframe 
df2 = pd.DataFrame({"A":[10, 11, 7, 8, 5], 
                    "B":[21, 5, 32, 4, 6], 
                    "C":[11, 21, 23, 7, 9], 
                    "D":[1, 5, 3, 8, 6]},  
                     index =["A1", "A2", "A3", "A4", "A5"]) 
  
# Print the first dataframe 
print(df1) 
  
# Print the second dataframe 
print(df2)

让我们表演df2 ** df1

# raise df2 to the power of df1 
df1.rpow(df2)

输出：

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.rpow()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。