Python Pandas DataFrame rmod方法用法及代码示例

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

other % DataFrame

请注意，这与 DataFrame.mod(~) 正好相反，它的作用是：

DataFrame % other

注意

除非您使用参数 axis 、 level 和 fill_value ，否则 rmod(~) 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 的 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 的形状不匹配时，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。如果两对条目都是 NaN ，那么其结果也将是 NaN 。默认情况下，fill_value=None 。

返回值

由模计算出的新DataFrame。

例子

基本用法

考虑以下数据帧：

df = pd.DataFrame({"A":[2,3], "B":[4,5]}) 
df_other = pd.DataFrame({"A":[9,8], "B":[7,6]})



   A  B  |     A  B
0  2  4  |  0  9  7
1  3  5  |  1  8  6

计算模：

df.rmod(df_other)



   A  B
0  1  3
1  2  1

在这里，我们计算以下逐元素模：

9%2 7%4
8%3 6%5

请注意，这相当于：

df_other % df



   A  B
0  1  3
1  2  1

广播

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4], "B":[5,6]})
df



   A  B
0  3  5
1  4  6

逐行取模

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

df.rmod([8,9])   # axis=1



   A  B
0  2  4
1  0  3

在这里，我们计算以下逐元素模：

8%3 9%5
8%4 9%6

逐列取模

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.rmod([8,9], axis=0)



   A  B
0  2  3
1  1  3

在这里，我们计算以下逐元素模：

8%3 8%5
9%4 9%6

指定fill_value

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,np.NaN], "B":[np.NaN,3]})
df_other = pd.DataFrame({"A":[8,9],"B":[np.NaN,np.NaN]})



   A    B    |     A  B
0  2.0  NaN  |  0  8  NaN
1  NaN  3.0  |  1  9  NaN

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

df.rmod(df_other)



   A    B
0  0.0  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.rmod(df_other, fill_value=5)



   A    B
0  0.0  NaN
1  4.0  2.0

在这里，请注意当运算涉及两个 NaN 时，无论 fill_value 为何，结果模数仍将是 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 | rmod 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。