python中mod函数_Python pandas.DataFrame.mod函数方法的使用

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 ： int或label

在一个级别上广播，在传递的MultiIndex级别上匹配索引值。

fill_value： float或None，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