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.prod方法的使用。

DataFrame.prod(self, axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)       [source]

DataFrame.product(self, axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)[source]

返回所请求轴的值的乘积。

参数

axis : {index (0), columns (1)}

要应用的功能的轴。

skipna : bool,默认为True

计算结果时排除NA/null值。

level intlevel 名字, 默认为 None

如果轴是MultiIndex(分层),则沿特定级别计数,

并折叠为Series

numeric_only :bool,默认值None

仅包括float,int,boolean列。如果为None

将尝试使用所有内容,然后仅使用数字数据。

未针对Series实现。

min_count : int,默认为0

执行操作所需的有效值数量。

如果少于 min_count非NA值,

则结果将为NA

0.22.0版中的新增功能:添加了默认值0

这意味着全NA或空Series的总和为0

NA或空Series 的乘积为1。

**kwargs

要传递给函数的其他关键字参数。

返回值

SeriesDataFrame(如果指定级别)

例子

默认情况下,空白或全NA系列的乘积为 1

>>> pd.Series([]).prod()
1.0

可以通过min_count参数控制

>>> pd.Series([]).prod(min_count=1)
nan

由于有了该skipna参数,因此可以完全min_count处理全NA和空序列。

>>> pd.Series([np.nan]).prod()
1.0 
>>> pd.Series([np.nan]).prod(min_count=1)
nan