Python Pandas DataFrame mod方法用法及代码示例

Pandas DataFrame.mod(~) 方法计算源 DataFrame 和另一个标量、序列、Series 或 DataFrame 中的值的模，即：

DataFrame % other

注意

除非您使用参数 axis 、 level 和 fill_value ，否则 mod(~) 相当于使用 % 运算符计算模数。

参数

1.other | scalar 或 sequence 或 Series 或 DataFrame

生成的 DataFrame 将是源 DataFrame 和 other 的模。

2. axis | int 或 string | optional

是否为源DataFrame的每一列或每一行广播other：

轴	说明
`"index"` 或 `0`	每列广播`other`。
`"columns"` 或 `1`	每行广播 `other`。

仅当源 DataFrame 的形状与 other 的形状不对齐时，这才相关。默认情况下，axis=1 。

3. level | int 或 string | optional

要考虑的级别的名称或整数索引。仅当您的 DataFrame 是多索引时，这才相关。

4. fill_value | float 或 None | optional

在计算模数之前替换 NaN 的值。如果源 DataFrame 和另一个中的条目均为 NaN ，则该条目的结果仍为 NaN 。默认情况下，fill_value=None 。

返回值

通过源 DataFrame 和 other 的模计算出的新 DataFrame 。

例子

基本用法

考虑以下数据帧：

df = pd.DataFrame({"A":[12,13], "B":[24,25]})
df_other = pd.DataFrame({"A":[4,5], "B":[7,8]})



   A   B   |     A  B
0  12  24  |  0  4  7
1  13  25  |  1  5  8

计算模：

df.mod(df_other)



   A  B
0  0  3
1  3  1

请注意，这相当于：

df % df_other



   A  B
0  0  3
1  3  1

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[12,13], "B":[24,25]})
df



   A   B
0  12  24
1  13  25

逐行加法

默认情况下， axis=1 ，这意味着 other 将为 df 中的每一行广播：

df.mod([10,20])   # axis=1



   A  B
0  2  4
1  3  5

在这里，我们计算以下逐元素模：

12%10 24%20
13%10 25%20

逐列加法

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.mod([10,20], axis=0)



   A   B
0  2   4
1  13  5

在这里，我们计算以下逐元素模：

12%10 24%10
13%20 25%20

指定fill_value

考虑以下数据帧：

df = pd.DataFrame({"A":[12,np.NaN], "B":[np.NaN,25]})
df_other = pd.DataFrame({"A":[10,20],"B":[np.NaN,np.NaN]})



   A     B     |     A   B
0  12.0  NaN   |  0  10  NaN
1  NaN   25.0  |  1  20  NaN

默认情况下，当我们使用 mod(~) 计算模数时，任何使用 NaN 的操作都会产生 NaN ：

df.mod(df_other)



   A    B
0  2.0  NaN
1  NaN  NaN

在使用 fill_value 参数计算模数之前，我们可以填充 NaN 值：

df.mod(df_other, fill_value=5)



   A    B
0  2.0  NaN
1  5.0  0.0

请注意，无论 fill_value 如何，两个 NaN 之间的运算仍然会产生 NaN 。

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 Pandas DataFrame | mod method。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。