Python Pandas DataFrame rpow方法用法及代码示例

例子

基本用法

考虑以下数据帧：

df = pd.DataFrame({"A":[3,4], "B":[5,6]})
df_other = pd.DataFrame({"A":[1,1], "B":[2,2]})



  [df]     |   [df_other]
   A  B    |       A  B
0  3  5    |    0  1  2
1  4  6    |    1  1  2

计算 df 和 df_other 的指数幂：

df.rpow(df_other)



   A  B
0  1  32
1  1  64

在这里，我们计算以下元素级指数幂：

1**3 2**5
1**4 2**6

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

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

df.rpow([1,2])   # axis=1



   A  B
0  1  32
1  1  64

在这里，我们计算以下元素级指数幂：

1**3 2**5
1**4 2**6

按列

要为 df 中的每一列广播 other，请像这样设置 axis=0：

df.rpow([1,2], axis=0)



   A   B
a  1   1
b  16  64

在这里，我们计算以下元素级指数幂：

1**3 1**5
2**4 2**6

指定fill_value

考虑以下数据帧：

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



   A    B     |     A  B
0  2.0  NaN   |  0  4  NaN
1  NaN  3.0   |  1  5  NaN

默认情况下，当我们使用 rpow(~) 计算幂时，任何使用 NaN 的操作都会产生 NaN ：

df.rpow(df_other)



   A     B
0  16.0  NaN
1  NaN   NaN

在使用 fill_value 参数计算功效之前，我们可以填充 NaN 值：

df.rpow(df_other, fill_value=1)



   A     B
0  16.0  NaN
1  5.0   1.0

这里，请注意，当运算在两个 NaN 之间时，无论 fill_value 是什么，结果仍然是 NaN 。