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.mul方法的使用。

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 : scalar, sequence, Series, 或 DataFrame

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 :int label

跨级别广播,匹配传递的多索引级别上的索引值。

fill_value : floatNone, 默认 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Series

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