Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.mod方法的使用。

DataFrame.mod(self, other, axis='columns', level=None, fill_value=None)      [source]

获取dataframe和其他元素的模(二进制操作符mod)。

等价于dataframe % other,但是支持用fill_value替换某个输入中丢失的数据。与反向版本,rmod

在灵活的包装器(add,sub,mul,div,mod,pow)算术运算符:+,-,*,/,//,%,**

参数

other : scalar,sequence, Series, 或 DataFrame

axis : {0 or ‘index’, 1 or ‘columns’}

是按索引(0 或 ‘index’) 还是按列 (1 或 ‘columns’)进行比较。

对于Series输入,轴上要匹配Series索引。

level : intlabel

在一个级别上广播,在传递的MultiIndex级别上匹配索引值。

fill_value: floatNone,默认为None

在计算之前,用这个值填充现有的缺失值(NaN)

和成功的DataFrame对齐所需的任何新元素。

如果两个对应的DataFrame位置中的数据都丢失了,

那么结果也将丢失。

返回值

DataFrame

算术运算的结果。

Notes

不匹配的索引将合并在一起。

例子

>>> df = pd.DataFrame({'angles': [0, 3, 4],
... 'degrees': [360, 180, 360]},
... index=['circle', 'triangle', 'rectangle'])
>>> df
angles degrees
circle 0 360
triangle 3 180
rectangle 4 360

添加带有运算符版本的标量,该标量返回相同的结果

>>> df + 1
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361
>>> df.add(1)
angles degrees
circle 1 361
triangle 4 181
rectangle 5 361

用常数除以反向版本

>>> df.div(10)
angles degrees
circle 0.0 36.0
triangle 0.3 18.0
rectangle 0.4 36.0
>>> df.rdiv(10)
angles degrees
circle inf 0.027778
triangle 3.333333 0.055556
rectangle 2.500000 0.027778

用操作员版本减去列表和按轴系列

>>> df - [1, 2]
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
>>> df.sub([1, 2], axis='columns')
angles degrees
circle -1 358
triangle 2 178
rectangle 3 358
>>> df.sub(pd.Series([1, 1, 1], index=['circle', 'triangle', 'rectangle']),
axis='index')
angles degrees
circle -1 359
triangle 2 179
rectangle 3 359

将具有不同形状的DataFrame乘以运算符版本

>>> other = pd.DataFrame({'angles': [0, 3, 4]},
... index=['circle', 'triangle', 'rectangle'])
>>> other
angles
circle 0
triangle 3
rectangle 4
>>> df * other
angles degrees
circle 0 NaN
triangle 9 NaN
rectangle 16 NaN
>>> df.mul(other, fill_value=0)
angles degrees
circle 0 0.0
triangle 9 0.0
rectangle 16 0.0

按级别除以MultiIndex

>>> df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6],
... 'degrees': [360, 180, 360, 360, 540, 720]},
... index=[['A', 'A', 'A', 'B', 'B', 'B'],
... ['circle', 'triangle', 'rectangle',
... 'square', 'pentagon', 'hexagon']])
>>> df_multindex
angles degrees
A circle 0 360
triangle 3 180
rectangle 4 360
B square 4 360
pentagon 5 540
hexagon 6 720
>>> df.div(df_multindex, level=1, fill_value=0)
angles degrees
A circle NaN 1.0
triangle 1.0 1.0
rectangle 1.0 1.0
B square 0.0 0.0
pentagon 0.0 0.0
hexagon 0.0 0.0

推荐文档

相关文档

大家感兴趣的内容

随机列表