Pandas 係列是帶有軸標簽的一維ndarray。標簽不必是唯一的,但必須是可哈希的類型。該對象同時支持基於整數和基於標簽的索引,並提供了許多方法來執行涉及索引的操作。
Pandas Series.product()
函數返回給定Series對象中基礎數據的乘積。
用法: Series.product(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)
參數:
axis:要應用的函數的軸。
skipna:計算結果時排除NA /null值。
level:如果軸是MultiIndex(分層),則沿特定級別計數,並折疊成標量。
numeric_only:僅包括float,int,boolean列。如果為None,將嘗試使用所有內容,然後僅使用數字數據。未針對係列實施。
min_count:執行操作所需的有效值數量。
**kwargs:要傳遞給函數的其他關鍵字參數。
返回:prod:標量或係列(如果指定級別)
範例1:采用Series.product()
函數在給定Series對象中查找基礎數據的乘積。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([10, 25, 3, 11, 24, 6])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
輸出:
現在我們將使用Series.product()
函數查找給定係列對象中元素的乘積。
# return the product of all elements
result = sr.product()
# Print the result
print(result)
輸出:
正如我們在輸出中看到的,Series.product()
函數已成功返回給定係列對象中基礎數據的乘積。
範例2:采用Series.product()
函數在給定Series對象中查找基礎數據的乘積。給定的係列對象中包含一些缺失值。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
# Print the series
print(sr)
輸出:
現在我們將使用Series.product()
函數查找給定係列對象中元素的乘積。我們將跳過缺少的值。
# return the product of all elements
result = sr.product(skipna = True)
# Print the result
print(result)
輸出:
正如我們在輸出中看到的,Series.product()
函數已成功返回給定係列對象中基礎數據的乘積。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas Series.product()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。