DataFrame.mul(self, other, axis='columns', level=None, fill_value=None) [source]
DataFrame.multiply(self, other, axis='columns', level=None, fill_value=None) [source]
获取dataframe和其他元素的乘法(二进制操作符mul)。
等价于dataframe * other，但是支持用fill_value替换其中一个输入中丢失的数据。与反向版本，rmul。
在灵活的包装器(add, sub, mul, div, mod, pow)算术运算符:+，-，*，/，//，%，**。
参数： | other : 何单个或多个元素数据结构，或类似列表的对象。 axis ：{0 或 ‘index’, 1 或 ‘columns’} 是按索引(0或' index ') 还是按列(1或' columns ')进行比较。 对于Series输入，轴上匹配Series索引。 level ： 跨级别广播，匹配传递的多索引级别上的索引值。
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
1）DataFrame 与标量相乘
import pandas as pd
df = pd.DataFrame({
'A': [1, 2],
'B': [3, 4]
})
result = df.mul(10)
print(result)
2）两个 DataFrame 相乘
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [10, 20], 'B': [30, 40]})
result = df1.mul(df2)
print(result)3）DataFrame 与 Series 相乘（按列广播）
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
s = pd.Series([10, 100], index=['A', 'B'])
result = df.mul(s, axis='columns')
print(result)
4）使用 fill_value 处理缺失值
import pandas as pd
import numpy as np
df1 = pd.DataFrame({'A': [1, np.nan], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [10, 20], 'B': [30, 40]})
result = df1.mul(df2, fill_value=1)
print(result)