Python Pandas DataFrame product方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df



   A  B
0  2  4
1  3  5

列式产品

计算每列的乘积：

df.product()   # or axis=0



A     6
B    20
dtype: int64

行乘积

要计算每行的乘积，请设置 axis=1 ：

df.product(axis=1)



0     8
1    15
dtype: int64

指定skipna

考虑以下带有缺失值的DataFrame：

df = pd.DataFrame({"A":[3,pd.np.nan,5]})
df



   A
0  3.0
1  NaN
2  5.0

默认情况下， skipna=True ，这意味着忽略缺失值：

df.product()   # skipna=True



A    15.0
dtype: float64

考虑缺失值：

df.product(skipna=False)



A   NaN
dtype: float64

请注意，如果行/列包含一个或多个缺失值，则该行/列的乘积将为 NaN 。

指定numeric_only

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[4,5], "B":[2,True], "C":["6","7"]})
df



   A  B      C
0  4  2      "6"
1  5  True   "7"

此处， B 和 C 列都是非数字的，但主要区别在于，乘积是为 B 定义的，而不是为 C 定义的。

回想一下， True 布尔值的内部表示是 1 ，因此操作 2*True 实际上计算为 2 ：

2 * True



2

另一方面，"6"*"7" 抛出错误：

"6" * "7"



TypeError: can't multiply sequence by non-int of type 'str'

None

默认情况下， numeric_only=None ，这意味着混合类型的行/列也会被考虑：

df.product()   # numeric_only=None



A    20
B    2
dtype: object

在这里，请注意列 C 的乘积是不可计算的，因为 "6"*"7" 会导致错误。通过传入 None ，导致这些无效产品的行/列将被简单地忽略，而不会引发错误。

False

通过设置 numeric_only=False ，将再次考虑混合类型的行/列，但当无法计算乘积时会抛出错误：

df.product(numeric_only=False)



TypeError: can't multiply sequence by non-int of type 'str'

在这里，我们最终出现错误，因为正如所解释的，未定义列 C 的乘积 "6"*"7"。

True

通过设置 numeric_only=True ，仅考虑数字行/列：

df.product(numeric_only=True)



A    20
dtype: int64

请注意B 和C 列如何被忽略，因为它们包含混合类型。