Python pandas.DataFrame.pow用法及代码示例

用法: DataFrame.pow(other, axis='columns', level=None, fill_value=None)

获取数据帧和其他元素的 index 幂(二元运算符pow)。

等效于 dataframe ** other ，但支持用 fill_value 替换其中一个输入中的缺失数据。使用反向版本 rpow 。

在柔性包装(add,sub,mul,div,mod,pow) 到算术运算符：+,-,*,/,//,%,**.

参数：

other：标量、序列、系列或数据帧: 任何单元素或多元素数据结构，或list-like 对象。
axis：{0 或 ‘index’、1 或 ‘columns’}: 是按索引(0 或‘index’)还是按列(1 或‘columns’)进行比较。对于系列输入，轴匹配系列索引。
level：整数或标签: 跨级别广播，匹配传递的 MultiIndex 级别上的索引值。
fill_value：浮点数或无，默认无: 在计算之前使用此值填充现有的缺失 (NaN) 值以及成功对齐 DataFrame 所需的任何新元素。如果两个相应的 DataFrame 位置中的数据都丢失，则结果将丢失。

DataFrame: 算术运算的结果。

注意：

不匹配的索引将合并在一起。

例子：

>>> df = pd.DataFrame({'angles':[0, 3, 4],
...                    'degrees':[360, 180, 360]},
...                   index=['circle', 'triangle', 'rectangle'])
>>> df
           angles  degrees
circle          0      360
triangle        3      180
rectangle       4      360

添加一个带有返回相同结果的运算符版本的标量。

>>> df + 1
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

>>> df.add(1)
           angles  degrees
circle          1      361
triangle        4      181
rectangle       5      361

用反向版本除以常数。

>>> df.div(10)
           angles  degrees
circle        0.0     36.0
triangle      0.3     18.0
rectangle     0.4     36.0

>>> df.rdiv(10)
             angles   degrees
circle          inf  0.027778
triangle   3.333333  0.055556
rectangle  2.500000  0.027778

使用操作符版本按轴减去列表和系列。

>>> df - [1, 2]
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub([1, 2], axis='columns')
           angles  degrees
circle         -1      358
triangle        2      178
rectangle       3      358

>>> df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
...        axis='index')
           angles  degrees
circle         -1      359
triangle        2      179
rectangle       3      359

将不同形状的 DataFrame 与运算符版本相乘。

>>> other = pd.DataFrame({'angles':[0, 3, 4]},
...                      index=['circle', 'triangle', 'rectangle'])
>>> other
           angles
circle          0
triangle        3
rectangle       4

>>> df * other
           angles  degrees
circle          0      NaN
triangle        9      NaN
rectangle      16      NaN

>>> df.mul(other, fill_value=0)
           angles  degrees
circle          0      0.0
triangle        9      0.0
rectangle      16      0.0

按级别除以 MultiIndex。

>>> df_multindex = pd.DataFrame({'angles':[0, 3, 4, 4, 5, 6],
...                              'degrees':[360, 180, 360, 360, 540, 720]},
...                             index=[['A', 'A', 'A', 'B', 'B', 'B'],
...                                    ['circle', 'triangle', 'rectangle',
...                                     'square', 'pentagon', 'hexagon']])
>>> df_multindex
             angles  degrees
A circle          0      360
  triangle        3      180
  rectangle       4      360
B square          4      360
  pentagon        5      540
  hexagon         6      720

>>> df.div(df_multindex, level=1, fill_value=0)
             angles  degrees
A circle        NaN      1.0
  triangle      1.0      1.0
  rectangle     1.0      1.0
B square        0.0      0.0
  pentagon      0.0      0.0
  hexagon       0.0      0.0

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.pow。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。

用法:

参数：

返回：

注意：

例子：