Python Pandas DataFrame product方法用法及代碼示例

例子

考慮以下 DataFrame ：

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



   A  B
0  2  4
1  3  5

列式產品

計算每列的乘積：

df.product()   # or axis=0



A     6
B    20
dtype: int64

行乘積

要計算每行的乘積，請設置 axis=1 ：

df.product(axis=1)



0     8
1    15
dtype: int64

指定skipna

考慮以下帶有缺失值的DataFrame：

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



   A
0  3.0
1  NaN
2  5.0

默認情況下， skipna=True ，這意味著忽略缺失值：

df.product()   # skipna=True



A    15.0
dtype: float64

考慮缺失值：

df.product(skipna=False)



A   NaN
dtype: float64

請注意，如果行/列包含一個或多個缺失值，則該行/列的乘積將為 NaN 。

指定numeric_only

考慮以下 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"

此處， B 和 C 列都是非數字的，但主要區別在於，乘積是為 B 定義的，而不是為 C 定義的。

回想一下， True 布爾值的內部表示是 1 ，因此操作 2*True 實際上計算為 2 ：

2 * True



2

另一方麵，"6"*"7" 拋出錯誤：

"6" * "7"



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

None

默認情況下， numeric_only=None ，這意味著混合類型的行/列也會被考慮：

df.product()   # numeric_only=None



A    20
B    2
dtype: object

在這裏，請注意列 C 的乘積是不可計算的，因為 "6"*"7" 會導致錯誤。通過傳入 None ，導致這些無效產品的行/列將被簡單地忽略，而不會引發錯誤。

False

通過設置 numeric_only=False ，將再次考慮混合類型的行/列，但當無法計算乘積時會拋出錯誤：

df.product(numeric_only=False)



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

在這裏，我們最終出現錯誤，因為正如所解釋的，未定義列 C 的乘積 "6"*"7"。

True

通過設置 numeric_only=True ，僅考慮數字行/列：

df.product(numeric_only=True)



A    20
dtype: int64

請注意B 和C 列如何被忽略，因為它們包含混合類型。